Vysoká škola finanční a správní, Fakulta sociálních studií

Save this PDF as:
 WORD  PNG  TXT  JPG

Rozměr: px
Začít zobrazení ze stránky:

Download "Vysoká škola finanční a správní, Fakulta sociálních studií"

Transkript

1 ORBIS SCHOLAE, 2013, 7 (3) EMPIRICKÉ STUDIE Koho znevýhodňuje škola: chlapce, nebo dívky? Rozdíly v dovednostech, školních výsledcích a vzdělanostních aspiracích dívek a chlapců devátých tříd základních škol Petr Matějů Vysoká škola finanční a správní, Fakulta sociálních studií Natalie Simonová Institut pro sociální a ekonomické analýzy Abstrakt: Stať se v kontextu feministického diskurzu zabývá rozdíly mezi žáky a žákyněmi devátých tříd základních škol ve školních výsledcích a dalších studijních plánech. Autoři si kladou za cíl identifikovat a vysvětlit vliv pohlaví žáků na známky z matematiky a českého jazyka, a to při kontrole rodinného původu, příslušných dovedností měřených testy funkční gramotnosti PISA a dalších sociálně-psychologických faktorů. Věnují se rovněž rozdílům ve studijních plánech po ukončení základní školy a v aspiracích na dosažení vysokoškolského vzdělání. Analýza provedená na datech z longitudinálního projektu PISA-L z roku 2003 prokazuje, že pohlaví žáka má na výsledky vzdělávání statisticky významný vliv, avšak opačný než uvádí feministicky orientované studie, tj. školní známkování působí v českém vzdělávacím systému v neprospěch chlapců, kteří jsou při stejných dovednostech klasifikováni hůře než dívky. Dívky se zároveň častěji než chlapci hlásí ke studiu na gymnáziích a častěji aspirují na dosažení vysokoškolského vzdělání. Autoři se proto v závěru dotýkají i otázky možného významu těchto zjištění pro vysvětlení prokazatelně nižší úspěšnosti žen na trhu práce, a to zejména na počátku pracovní kariéry. Klíčová slova: rozdíly mezi pohlavími, školní výsledky, výzkum PISA, spravedlnost ve vzdělávání Who is shortchanged in school: boys or girls? Gender gaps in skills, grading and educational aspirations among pupils of 9th grade of elementary schools Abstract: This paper addresses one of the key issues of contemporary sociology of education, namely gender gaps in academic performance and their consequences for school continuation decisions. We begin with a critical review of feminist production on this issue and proceed by the analysis of data from the PISA 2003 student assessment, encompassing the academic performance and family background of about th grade pupils. Similar to most recent research carried out in other countries, and in contrast to most of the findings presented in feminist studies, 1 Výzkum, o jehož výsledky se opírá tato stať, i práce na této stati, byly podpořeny grantem od Grantové agentury České republiky na bilaterální projekt Educational Stratification in Taiwan and the Czech Republic: Accessibility of and Heterogeneous Returns to Higher Education (Grant číslo P404/12/J006, hlavní řešitelé: Michael Lee Smith a Shu-Ling Tsai). Autoři děkují D. Münichovi, J. Strakové a M. Smithovi za cenné připomínky k dřívější verzi stati. Odpovědnost za provedené analýzy a intepretace výsledků je však zcela na autorech této stati. Veškerou korespondenci prosíme zasílat na adresu: Petr Matějů, Vysoká škola finanční a správní, Estonská 500, Praha 10, , nebo Natalie Simonová, Institut pro sociální a ekonomické analýzy, José Martího 407/2, Praha 6, ,

2 Petr Matějů, Natalie Simonová 108 we find that girls outperform boys in grades in Czech language and math, even after controlling for measured ability in reading and math, family background and other student attributes. Girls are also substantially more likely than boys to apply to secondary grammar schools, as well as aspire to a college education, even after controlling for measured ability. Based on relevant literature, we put forward a number of theoretical perspectives that shed light on the possible causes of these empirical findings. Keywords: gender gaps in education, gender inequality, educational inequality, academic achievement, educational aspirations 1 Úvod Jen málokteré sociologické pojmy dostaly tak silný ideologický a politický náboj jako pojmy třída, rasa a v posledních desetiletích také gender. Ačkoli každý z nich patří ke klíčovým teoretickým a analytickým nástrojům výzkumu sociálních nerovností, všechny se možná nevyhnutelně staly náchylnými ke zneužití v ideologických, politických, občanských či národnostních střetech, z nichž řada měla fatální důsledky. 2 O tom, že feministický aktivismus 3 nepříznivě ovlivnil především výzkum v oblasti vzdělávání, psali jiní (např. Sommers, 1994, 2000; Kleinfeld, 1999). Aniž bychom se chtěli zaplétat do ideologické debaty, je třeba dát za pravdu Kleinfeldové, která před více než deseti lety poukázala na to, že ženské nátlakové skupiny vedly intenzivní mediální kampaň propagující myšlenku, že školy diskriminují dívky. Jejich cílem bylo přesvědčit veřejnost, že ženy jsou,oběťmi nespravedlivého vzdělávacího systému a že si zaslouží zvláštní zacházení, lepší financování a zvýšenou politickou pozornost. Jejich sofistikovaná kampaň namířená k veřejnosti byla nakonec úspěšná. Názor, že dívky jsou ve školách znevýhodňovány, se stal součástí všeobecného mínění tím, co lidé berou jako zaručené, aniž by si položili otázku, zda je to pravda, či nikoli (Kleinfeld, 1999, s. 9). Kritická zhodnocení především amerických studií, které měly dokládat znevýhodňování dívek ve vzdělávacím systému (Sommers, 1994, 2000; Kleinfeld, 1999), ukázala, že řada z nich stála na velmi chatrných metodologických základech. Shodou okolností i u nás hojně citované studie autorské dvojice Sadkerová a Sadker (1985, 1994) podle Sommersové stály na výzkumných zprávách 2 Zpolitizování marxistické filozofie na dlouhou dobu nejen vážně pokřivilo koncept sociální třídy, ale nakonec více než půl století legitimizovalo nejrůznější podoby diktatury proletariátu, jejímž ušlechtilým cílem měla být emancipace všech tříd a nastolení beztřídní společnosti. Podobně tomu bylo s bezprecedentním zneužitím rasy a výsledků věd, které se zabývají fyziologickými, biologickými a psychologickými rozdíly mezi rasami. To vše proto, aby údajně v životním a historickém zájmu jedné z ras byla zahájena nejhorší genocida v soudobých dějinách. Aniž bychom měli v úmyslu klást rovnítko mezi tyto případy zneužití v sociologii jinak běžných a legitimních nástrojů k analýze nerovností, vyjadřujeme jistou a nepochybně legitimní obavu, že zneužívání pojmu pohlaví (gender) k podobně ideologicky zabarveným účelům a nastolování politické agendy nepříznivě ovlivňuje použití této kategorie v sociologickém výzkumu nerovností, a to zejména ve výzkumu sociální stratifikace, vzdělanostních nerovností, potažmo pak v analýze nerovností na trhu práce, v politické participaci a při zkoumání dalších sociálních procesů, které lze těžko popsat, natož pak pochopit, aniž v příslušném kontextu vysvětlíme rozdíly mezi muži a ženami a příčiny jejich přetrvávání. 3 Podotýkáme, že feministický aktivismus nepovažujeme za vědní obor ani disciplínu, ale hnutí.

3 Koho znevýhodňuje škola: chlapce, nebo dívky? z kvalitativních výzkumů (zpravidla šlo o pozorování ve třídách a rozhovory s učiteli, autoři prováděli výzkum po řadu let sami), které se buď nikdy nepodařilo získat a prověřit, nebo se s výsledky jejich pozorování zacházelo značně voluntaristicky (viz Sommers, 1994). Podobné tendence lze ovšem identifikovat i v současnosti. Například některé studie z produkce sociologie genderu na téma nerovností ve vzdělávání založené převážně na kvalitativních sondách (např. Jarkovská & Lišková, 2008; Smetáčková, 2009), tvrdí, že dosavadní analýzy vzdělanostních nerovností opomíjejí genderový aspekt reprodukce vzdělanostních nerovností, tj. ignorují diskriminaci na základě genderu při vstupu do vzdělávacího systému, při průchodu vzdělávacím systémem a při dalším uplatnění na pracovním trhu. Tyto studie, podobně jako výše zmíněné zahraniční práce, se však díky zvolené kvalitativní metodologii potýkají s absencí důkazů pro většinu klíčových tvrzení a závěrů. Jako příklad za všechny lze uvést tvrzení Jarkovské a Liškové, podle kterého na všech vzdělávacích stupních tvoří součást vzdělávání mechanismy (skryté kurikulum), které umísťují ženy na nižší společenské pozice (ve srovnání se stejně a často i méně vzdělanými muži). Tyto mechanismy směřují ženy k tomu, aby svůj nižší status akceptovaly a považovaly ho za přirozený a aby ho vnímaly jako samozřejmou součást své genderové identity (Jarkovská & Lišková, 2008, s. 684). I zde se ve prospěch tezí o genderovaném kurikulu a genderových stereotypech argumentuje odkazy na již zmíněné práce Sadkera a Sadkerové, přičemž domácí odkazy jdou převážně za podobnými tzv. etnografickými studiemi, které se vyznačují velmi chatrným metodologickým aparátem a úplnou absencí testování hypotéz (viz např. Smetáčková, 2005). Rozhodně nezpochybňujeme tvrzení, že ženy dosahují na trhu práce nižších výdělků a nižších pozic než muži, a to i při srovnatelném vzdělání. Avšak používat tento fakt jako vysvětlení segregace (dívek) v rámci vzdělávacího systému se nezdá být udržitelné, ačkoli jak ukazují nedávno publikované studie (viz např. Mechtenberg, 2009) souvislosti mezi možným zvýhodňováním jednoho či druhého pohlaví v procesu vzdělávání na jedné straně a pozdějšími šancemi na trhu práce na straně druhé přeci jen existují, a je třeba je podrobit analýze. Dostupná evidence však nesvědčí ve prospěch tvrzení, podle kterého umísťování žen na nižší společenské pozice je způsobeno skrytým kurikulem vzdělávacího systému. Spíše se zdá, že ve školním prostředí působí jiné mechanismy, které ve svém důsledku oslabují konkurenceschopnost žen na trhu práce. Prověřit existenci těchto mechanismů je jedním z hlavních cílů této stati Sociologické implikace genderových nerovností ve vzdělávání Přes výhrady, které máme k metodologii i závěrům tzv. genderové sociologie, jsme toho názoru, že porozumění faktorům, které způsobují rozdíly mezi pohlavími v dosaženém vzdělání a v úspěchu na trhu práce, může výrazně přispět k formulování po-

4 Petr Matějů, Natalie Simonová 110 litik, jejichž cílem je dosažení větší rovnosti mezi muži a ženami. Vycházíme z toho, že právě nerovnosti mezi muži a ženami reprodukované, nebo dokonce posilované, ve vzdělávání, stejně jako některé nástroje používané k jejich odstranění, nezřídka generují nerovnosti jiného typu, například tím, že přispívají k reprodukci nerovností na trhu práce (Mechtenberg, 2009) a mohou negativně působit na formování lidského kapitálu, a tím samozřejmě podvazovat ekonomický růst (King & Hill, 1995; Sen, 1999; Klasen, 2002; Klasen & Lamanna, 2009). Na druhé straně je třeba připomenout známý fakt, že poválečný vývoj v úrovních vzdělání mužů a žen, charakteristický jejich poměrně rychlým sbližováním (nezřídka i překlopením ve prospěch žen), měl výrazné důsledky jak pro postavení žen na trhu práce, tak pro dosažení větší rovnováhy mezi pracovním a rodinným životem u mužů a žen. Trend, kdy ženy v řadě industrializovaných společností předstihly muže v počtu absolventů vysokých škol, byl doprovázen rostoucí ekonomickou návratností vzdělání žen (DiPrete & Buchmann, 2006), což přispělo ke zmenšení (nikoli však odstranění) rozdílů v příjmech. Titíž autoři ve své zatím poslední a komplexně pojaté studii na toto téma (DiPrete & Buchmann, 2013) s odvoláním na statistická data ukazují, jaké celospolečenské a ekonomické důsledky má (a zřejmě ještě bude mít) poměrně hluboký propad šancí na dosažení vyššího vzdělání u mužů dosahujících stejné úrovně měřených kompetencí jako ženy (DiPrete & Buchmann, 2013, s. 4 6). I tento fenomén by si zasloužil studii provedenou na českých statistických a výzkumných datech. Přes nepochybně pozitivní trend spočívající v rostoucí ekonomické návratnosti vzdělání žen jsou jednou z aktuálních a nepochybně velmi citlivých otázek, které stojí před sociologickým výzkumem, právě rozdíly ve výsledcích vzdělávání a jejich příčiny. S tím souvisí otázka spravedlnosti, nestrannosti a objektivity v hodnocení žáků a žákyň učiteli (problém vlivu pohlaví žáka na známkování). Řada autorů totiž prokázala, že hodnocení učitelů je do značné míry subjektivní, a často náchylné k některým formám stereotypizace, což vede k otázce, zda známky jsou objektivním měřítkem skutečného výkonu a znalostí studentů (viz například Hoge & Coladarci, 1989). Některé stereotypy učitelů jsou přitom považovány za hlavní příčinu rozdílného hodnocení výsledků vzdělávání (Bernard, 1979; AAUW, 1992; Tiedemann, 2000). Tyto stereotypy, v kombinaci s tezemi, podle nichž učitelé věnují více pozornosti a zpětné vazby chlapcům než dívkám (Sadker & Sadker, 1994), dlouhodobě posilovaly přesvědčení, že dívky jsou v mnoha školních systémech systematicky znevýhodňovány. Mezinárodní srovnávací výzkumy založené na měření dovedností žáků na různých stupních vzdělávacího systému (PISA, TIMSS atd.) naopak ukázaly, že v řadě zemí došlo k podstatné změně projevující se v tom, že ženy dosahují lepších výsledků než muži, a to i v oblastech, kde tomu bylo tradičně naopak (sociologicky fundovanou analýzu tohoto vývoje podávají např. Buchmann, DiPrete, & McDaniel, 2008). Ukazuje se například, že ani nejvíce zakořeněný stereotyp, spočívající v tvrzení, že dívky prospívají hůře než chlapci v matematice, který byl důvodem ke směřování dívek do netechnických oborů, již nemá oporu v datech: v řadě zemí OECD rozdíl ve výsledcích v matematice mezi chlapci a dívkami již není statisticky významný, zatímco ve většině zemí dívky s poměrně velkým náskokem předstihují chlapce ve čtení (OECD,

5 Koho znevýhodňuje škola: chlapce, nebo dívky? 2011). Tyto trendy daly vznik místy velmi vzrušené debatě na téma, zda předchozí výzkum prokazující znevýhodnění dívek ve vzdělávání nebyl genderově vychýlený, a to bez solidní empiricky a statistiky založené argumentace (Sommers, 2000). S ohledem na to, jak důležitým tématem rozdíly mezi pohlavími v českém vzdělávacím systému jsou, se v této stati snažíme tyto rozdíly identifikovat, a to v několika směrech. Zaprvé nám jde o identifikaci rozdílů v hodnocení školních výsledků (známkách) žáků a žákyň v 9. ročnících školní docházky, a to při kontrole rodinného původu, příslušných dovedností vztahujících se k daným předmětům a dalších faktorech sociálně psychologické povahy. S přihlédnutím ke skutečnosti, že český sekundární stupeň vzdělávání (podobně jako systém slovenský, maďarský, polský, rakouský a německý) je značně stratifikován, se rovněž věnujeme rozdílům mezi pohlavími v aktuálních plánech studovat na některém z typů gymnázií (vyjádřeno podáním přihlášky) a v aspiracích na dosažení vysokoškolského vzdělání. Naše analýza též využívá dosavadního poznání na poli genderových rozdílů ve vzdělanostních aspiracích v České republice (Potužníková & Straková, 2006; Matějů, Smith, Soukup, & Basl, 2007; Matějů & Smith, 2009) a vlivu struktury vzdělávacího systému na utváření vzdělanostních nerovností (Matějů & Straková, 2005; Straková, 2007, 2010; Simonová & Soukup, 2010). I když se soustředíme v prvé řadě na statistické modely vysvětlující příslušné rozdíly mezi žáky a žákyněmi, vedeni snahou přispět k pochopení rozsahu a povahy těchto rozdílů prezentujeme i výsledky čistě deskriptivních analýz. V závěru stati se pokoušíme zjištěné rozdíly interpretovat v kontextu relevantních teorií Rozdíly ve výsledcích vzdělávání chlapců a dívek v teoretické a empirické reflexi Řada starších i nedávno publikovaných studií prokázala, že studijní výsledky dívek nejenže dosahují úrovně chlapců, ale často je i převyšují (Mickelson, 1989). Rozdíly ve výsledcích mezi oběma pohlavími mají, zdá se, svůj prvopočátek již ve velmi raném věku. Co se týče čtení, dívky vykazují vyšších úrovní dovedností již v předškolním vzdělávání (Tach & Farkas, 2006), zatímco pětiletí až sedmiletí chlapci jsou ve srovnání s dívkami náchylnější k poruchám učení, což v pozdějším životě přispívá k jejich asociálnímu chování a dalším problémům (Trzesniewski et al., 2006). V šetřeních PISA chlapci v průměru převyšují dívky o 12 bodů v matematických dovednostech, zatímco dívky převyšují chlapce o 39 bodů v dovednostech čtenářských (OECD, 2009). V řadě zemí však nejsou rozdíly v testech z matematiky mezi chlapci a dívkami statisticky signifikantní. Lepší čtenářské dovednosti nicméně dívky vykazují v každé ze zemí, které se výzkumu PISA účastní. Rozdíly ve výsledcích mezi pohlavími se linou celou školní kariérou, aniž by byly výrazněji ovlivňovány tím, jaké obory studují více dívky či chlapci (Leopard & Jiang, 1999; Buchmann & DiPrete, 2006). Naprostá většina současných výzkumů zabývajících se rozdíly ve výsledcích vzdělávání ukazuje, že teze o horších výsledcích žen ve srovnání s muži je mýtus, přičemž s ohledem na chatrný empirický základ tohoto tvrzení, jež v 80. a 90. letech zaplavilo

6 Petr Matějů, Natalie Simonová 112 americká média, nelze zřejmě prokázat, že to nebyl mýtus již v době jeho zrodu. Za připomenutí v této souvislosti stojí diskuze vyvolaná studií publikovanou American Association of University Women (AAUW, 1992), která s odvoláním na výzkumy provedené již zmiňovanou autorskou dvojicí Sadkers a Sadkersová argumentovala tím, že dívky ve srovnání s chlapci dosahují horších výsledků v tak důležitých předmětech, jako je například matematika, zejména proto, že chlapci se ze strany učitelů těší mnohem větší (příznivé) pozornosti než dívky. Stěžejní podpůrné argumenty, na kterých byla tato studie založena, vycházely z pozorování publikovaných až později (Sadker & Sadker, 1994); nicméně z následné práce se důkazy o zvýhodňování mužů záhadně vytratily (Kleinfeld, 1996), a nebylo tudíž možné je verifikovat. Stejně tak je možné, že i další americké, zejména starší, studie hovořící o zvýhodňování mužů mohly mít v prvé řadě politický cíl, a byly tedy předpojaté (Sommers, 2000). V každém případě, ať už učitelé věnují ve třídě více pozornosti chlapcům, nebo dívkám, výzkumy naznačují, že velká část této pozornosti je negativního rázu a má spíše disciplinární povahu (Bossert, 1981; Kleinfeld, 1996), částečně kvůli většímu sklonu některých žáků k poruchám pozornosti. V britské studii z roku 1999 (Younger et al., 1999, s. 329) učitelé připustili, že hladina hluku, kterou produkují chlapci, a jejich aktivity, které nesouvisí s výukou, jejich špatné chování a evidentně nedostatečné soustředění, nevyhnutelně přitahuje větší pozornost učitelů. Chlapci jsou vnímáni jako ti, kteří více vyrušují a méně se zajímají o výuku, ale zároveň jako ti, kteří potřebují více pobízet a potřebují větší podporu v učení. Autoři této studie také zjistili, že chlapci jsou ve srovnání s dívkami při výuce více aktivní v některých typech diskuzí, zatímco dívky více využívají individuální interakce učitel student, které mnohem více naplňují cíle výuky. V souvislosti s rolí učitelů v procesu osvojování si poznatků při výuce se výzkum zaměřuje také na to, zda a případně jakou roli v tomto procesu hraje pohlaví učitele. Studie dochází k rozporuplným závěrům. Ehrenberg, Goldhaber a Brewer (1995) zjistili prostřednictvím výzkumu žáků desátých ročníků, účastnících se v roce 1988 National Education Longitudinal Study, že pohlaví učitele nemá prokazatelný vztah ke školnímu výkonu ať již chlapců, či dívek. Nicméně jiná studie využívající tatáž data (Dee, 2006) došla k závěru, že výuka učitelem stejného pohlaví má na výkon žáků (chlapců i dívek) silný vliv, a to jak na výsledky v testech, tak na to, jak výkon žáků učitel hodnotí. Další výzkum založený na longitudinálním šetření National Longitudinal Survey of Youth (Nixon & Robinson, 1999) ukázal, že podíl učitelek na středních školách byl pozitivně korelován s lepšími studijními výsledky dívek. Avšak Neugebauer et al. (2011) naopak za pomoci rozšířeného souboru dat z výzkumu PIRLS v Německu nenašli systematický vliv pohlaví učitele na výkon chlapců či dívek jak ve standardizovaných testech čtenářské gramotnosti, tak ve školní klasifikaci. Co se týče České republiky, tento jev dosud systematicky zkoumán nebyl. V této souvislosti je s podivem, že v šetřeních programu PISA není sledováno pohlaví učitele u těch předmětů, které jsou z hlediska výsledků v klíčových oblastech dovedností (minimálně čtenářské a matematické) relevantní, tj. v našem případě v předmětech matematika a český jazyk.

7 Koho znevýhodňuje škola: chlapce, nebo dívky? Rozdíly ve výsledcích vzdělávání mezi muži a ženami mohou být způsobeny také rozdíly v rodinném zázemí a celospolečenském kontextu. Na základě nejnovějších dat PISA 2009 autoři González de San Román a Rica Goiricelaya (2012) zjistili, že dívky dosahují lepšího výkonu, pokud jsou jejich matky zaměstnané, zatímco pro chlapce tento efekt neplatí. To naznačuje, že na dívky významně působí mezigenerační přenos hodnot jejich matek. Autoři dále zjistili, že vyšší výkon dívek v matematice i čtení je kladně ovlivněn rovností pohlaví na celospolečenské úrovni dané země, tak jak ji například měří index navržený pro Global Gender Gap Report (Hausmann et al., 2011). To znamená, že ve společnostech, kde jsou si pohlaví více rovna, jako např. v severských státech, dosahují dívky lepších výsledků v matematice i čtení, čímž se vyrovnává jejich ztráta v matematice a posiluje jejich náskok ve čtení (Hausmann et al., 2011, s. 14). Tato zjištění potvrzují výsledky autorů Guiso et al. (2008) otištěné v časopise Science, podle kterých genderové rozdíly v matematice zjištěné šetřením PISA 2003 v zemích s větší rovností pohlaví mizí. V České republice výzkum rozdílů mezi žáky a žákyněmi v dosažených studijních výsledcích potvrdil, že dívky dosahují lepších známek než chlapci prakticky ve všech předmětech (Straková, Potužníková, &Tomášek, 2006), což ovšem neplatí pro skóry dosažené v testech dovedností. Kvalitativní studie dvou pražských škol (Vojtíšková, 2011) ukázala, že učitelé hodnotí žáky silně pod vlivem jejich chování a interakcí ve třídě, stejně jako pod vlivem subjektivní percepce jejich motivace a studijního úsilí. Další výzkum zjistil, že dívky v českém vzdělávacím systému mají větší pravděpodobnost vstupu na gymnázia, což je spojeno s jejich lepšími výsledky v přijímacích testech a následnou vyšší úspěšností v přechodu na vysokou školu ve srovnání s absolventy jiných typů středních škol (Straková, 2007, 2010; Šmídová, Janoušková, & Katrňák, 2008). Stejně tak mají dívky ve srovnání s chlapci vyšší pravděpodobnost aspirovat na studium vysoké školy, a nakonec i získat vysokoškolské vzdělání, a to i při kontrole jejich studijních schopností a rodinného původu (Matějů & Smith, 2009; Simonová & Soukup, 2010). Celkově shrnuto, rozdíly mezi muži a ženami v českém vzdělávacím systému kopírují vzorce zachycené mezinárodní literaturou. V důsledku vysoké míry diverzifikace českého středního školství představují specifický problém rozdíly v poměrech mužů a žen v různých typech středních škol, zejména pak na víceletých i klasických gymnáziích. Je přitom známo, že studium na určitém typu střední školy výrazně ovlivňuje šance na dosažení vysokoškolského vzdělání. Proto právě tomuto fenoménu, kromě souvislostí mezi známkováním učitelů a skóry, jichž žáci dosáhli v relevantních dovednostech (matematika, český jazyk), věnujeme v analytické části této stati stěžejní pozornost Testované hypotézy Na základě zjištění dostupných ve světové literatuře, která jsme částečně prezentovali v předchozí části, je možné formulovat několik předpokladů a hypotéz o rozdílech ve školních výsledcích mezi žáky a žákyněmi devátých tříd. V souladu s genderovými stereotypy bychom mohli očekávat, že:

8 Petr Matějů, Natalie Simonová 114 a) chlapci budou dosahovat lepších výsledků v matematice, zatímco dívky budou dosahovat lepších výsledků ve čtení; b) chlapci budou dosahovat vyšších hodnot v naměřené osobní účinnosti (self-efficacy) 4, která se projevuje mimo jiné větší psychickou odolností v náročných situacích (například právě při testování a zkoušení); c) chlapci budou náchylnější než dívky k výskytu poruch chování; d) chlapci budou ve srovnání s dívkami volit v přístupu k matematice spíše aktivní strategie (samostatné hledání řešení), zatímco dívky budou spoléhat spíše na pasivní strategie spočívající primárně na zapamatování a procvičování; e) chlapci budou ve strategiích životního úspěchu klást větší důraz na riskování a podnikavost, zatímco dívky budou více spoléhat na znalosti a vzdělání ; f) současně budeme předpokládat, že tyto rozdíly budou mít vliv na známky z matematiky a českého jazyka a vzdělanostní aspirace. Na základě literatury popsané výše formulujeme následující hypotézy: H1 Předpokládáme, že dívky dosahují ve srovnání s chlapci statisticky významně lepších známek z českého jazyka, a to i při kontrole čtenářských dovedností (měřených testy PISA) 5, sociálně-ekonomického a kulturního zázemí a dalších vlastností žáka (např. osobní účinnosti, výskytu problémového chování atd.). H2 Podobně předpokládáme, že dívky dosahují ve srovnání s chlapci statisticky významně lepších známek z matematiky, a to i při kontrole matematických dovedností (měřených testy PISA), sociálně-ekonomického a kulturního zázemí a dalších vlastností žáka (viz výše). H3 Předpokládáme, že dívky se častěji hlásí ke studiu na gymnáziu, a to i při kontrole čtenářských a matematických dovedností, sociálně-ekonomického a kulturního zázemí, známek z matematiky a českého jazyka a dalších vlastností žáka (viz výše). H4 Rovněž v souladu s výsledky předchozího výzkumu předpokládáme, že dívky častěji než chlapci aspirují na dosažení vysokoškolského vzdělání, a to i po kontrole čtenářských a matematických dovedností, sociálně-ekonomického a kulturního zázemí, známek z matematiky a českého jazyka a dalších vlastností žáka (viz výše). Shrnuto do teze, která povede naši analýzu, lze říci, že při kontrole výsledků v testech PISA vztahujících se k příslušným předmětům (v našem případě matematice a českém jazyce) by pohlaví žáka nemělo mít na výsledky vzdělávání (známky, přihlášky na gymnázium, aspirace na vysokou školu) statisticky významný vliv. Pokud je vliv pohlaví při srovnatelných úrovních naměřených dovedností (schopností) statisticky významný, budeme se klonit k závěru, že chlapci a dívky srovnatelných 4 Pojem self-efficacy (překládáme jako osobní či vnitřní účinnost, sebedůvěra) označuje přesvědčení jedince o jeho schopnostech a kapacitách, které předurčují dosahování očekávaných či vyžadovaných úrovní určitého výkonu. Vnitřní účinnost ovlivňuje to, jak se lidé cítí, jak sami sebe motivují k výkonu a jak jednají zejména v situacích, na kterých podle nich záleží (více viz např. Bandura, 1994). 5 Jsme si vědomi toho, že testy čtenářských dovedností žáků používané v šetřeních PISA nemohou plně predikovat známky z českého jazyka, kde se hodnotí i další stránky výkonu v tomto předmětu, neměly by je však, alespoň podle našeho názoru, predikovat v různé míře u chlapců a dívek.

9 Koho znevýhodňuje škola: chlapce, nebo dívky? schopností nemají rovné podmínky k dosažení stejných formálních výsledků vzdělávání (Duckworth & Seligman, 2006). Rádi bychom se na tomto místě předem dotkli možných výtek na adresu našeho analytického přístupu, a to ve třech bodech. Předně je třeba zdůraznit, že netvrdíme, že testy čtenářských a matematických dovedností mají jednoznačně predikovat známky z příslušných předmětů (tj. z českého jazyka a matematiky). V obou předmětech učitelé hodnotí i jiné aspekty výkonu žáka než pouze ty, které zachycují testy čtenářských a matematických dovedností (jakkoli jde zřejmě o velmi důležité komponenty šířeji chápaných výsledků vzdělávání). Rozhodně se ale domníváme, že diskrepance mezi výsledky v testech a známkováním by neměla být systematicky významně odlišná pro dívky a chlapce. Dále může být vznesena námitka, že testy čtenářských a matematických dovedností v projektu PISA nejsou genderově neutrální, tj. že v případě chlapců měří něco jiného než v případě dívek. Dosavadní výzkum sice naznačuje, že chlapci si ve srovnání s dívkami vedou lépe v testech, zejména pak v těch, které jsou spojeny s větším stresem a jsou považovány za důležité (tzv. high-stake testy, viz například AAUWEF, 1998), a to i když běžně dostávají horší známky než dívky. Spencer et al. (1999) například ukázali, že dívky při vypracovávání těchto high-stake testů čelí větší trémě, protože se zároveň snaží bojovat se stereotypem, že chlapci jsou v těchto testech úspěšnější. Testy PISA však nejsou považovány za stresující (ve smyslu high-stake ), protože na nich nezávisí další pokračování vzdělávací dráhy žáků a nemají vliv na známky či hodnocení. Pokud je nám známo, dosud žádný výzkum neprokázal systematické vychýlení obtížnosti testů PISA směrem k dívkám nebo chlapcům. Proti případné námitce tohoto druhu svědčí i skutečnost, že existuje celá řada mezinárodních studií založených na datech PISA, které se věnují rozdílům ve výsledcích vzdělávání, přičemž rozdíly mezi chlapci a dívkami patří k nejčastěji testovaným a interpretovaným rozdílům (viz např. Ammermueller, 2004; Fryer & Levitt, 2009; Fuchs & Wossmann, 2007). I kdybychom připustili, že testy PISA nejsou genderově neutrální (pro což jak jsme již uvedli není žádný důkaz), těžko bychom tím mohli uspokojivě vysvětlit, proč dívky ve škole získávají z klíčových předmětů jedničky mnohem častěji než chlapci. Nepochybně je potřeba vzít v úvahu řadu mimokognitivních faktorů, které mohou ve výsledcích vzdělávání hrát významnou roli. Na prvním místě je třeba zmínit rozdíly v chování, které jak se obecně předpokládá obě pohlaví od sebe odlišují, jako je např. stupeň sebekázně a sebekontroly. Existují studie, které prokazují, že tento faktor má na známky značný vliv. Podle Duckwortha a Seligmana (2006) dobré chování přispívá k lepším známkám dívek, aniž by však ovlivňovalo jejich výsledky ve standardizovaných testech. Chlapci ve škole častěji trpí disciplinárními problémy, což může přispívat k rozdílům ve školním prospěchu mezi dívkami a chlapci. Abychom zjistili, do jaké míry mimokognitivní projevy žáků mohou ovlivňovat rozdíly v šancích na získání excelentní známky (jednička) na jedné straně, a aspiracemi chlapců a dívek na dosažení vysokoškolského vzdělání na straně druhé, zahrnuli jsme do našich modelů celou řadu proměnných, které tyto vlastnosti více či méně spolehlivě reprezentují. 115

10 Petr Matějů, Natalie Simonová 116 A konečně je třeba uvést, proč se zaměřujeme na vztah mezi výsledky testů na jedné straně a šancí na excelentní hodnocení (tj. získání jedničky ) z příslušného předmětu (tj. českého jazyka a matematiky) na straně druhé, což má konsekvence pro zvolený statistický model (binární logistická regrese místo ordinální logistické regrese). Předpokládáme, že excelentní známka (jednička) funguje vůči studentovi jako zřetelný signál, že v daném předmětu (zpravidla však ve více předmětech) patří mezi jednoznačně nejlepší, což nepochybně posiluje jeho/její motivaci k dalšímu studiu, zpravidla na elitní nebo známé, kvalitní škole. 6 Zde pak vzniká efekt, který lze považovat za centrální mechanismus zajišťující selekci, o které hovoří teorie efektivně udržované nerovnosti (Lucas, 2001), jejíž platností v českých podmínkách se zabývají Katrňák, Simonová a Fónadová (2013). Volba dichotomie kontrastující excelenci (jednička) vůči ostatním úrovním hodnocením ze strany učitelů souvisí i s hlavním cílem analýzy, jímž je testování hypotéz o vlivu pohlaví na vzdělanostní přechody (vstup na gymnázium, přechod mezi střední a vysokou školou), v nichž právě excelentní hodnocení studentů vyjádřené jedničkou hraje klíčovou roli, a to jak ve formování aspirací, tak reálných šancích v těchto stále ještě selektivních přechodech uspět. 5 Data, proměnné a metody Data použitá v této stati pochází z výzkumu PISA 2003, který byl v České republice součástí rozsáhlejšího výzkumu PISA_L 2003 (tj. longitudinálního projektu). Cílovou populaci výzkumu tvořili žáci narození v roce 1987, kteří v době sběru dat stále ještě plnili školní docházku. Dvoustupňová výběrová procedura plně respektovala pravidla předepsaná OECD. Při výběru vzorku byly nejprve náhodně vybrány školy z databáze všech základních škol, zvláštních škol, čtyřletých a víceletých gymnázií, středních odborných škol a středních odborných učilišť. Dále bylo na každé škole náhodně vybráno až 35 žáků narozených v příslušném kalendářním roce. Vzorek byl tedy stratifikován podle typu navštěvované školy. 7 Na dotazník výzkumu PISA odpovědělo v roce 2003 celkem 6320 žáků narozených v roce 1987, z nichž 2785 navštěvovalo devátý ročník (včetně víceletých gymnázií). Tento vzorek byl v České republice rozšířen o výběr žáků devátých tříd základních škol, což poté v součtu činilo 6340 žáků devátých ročníků (91,5 % žáků navštěvujících základní školu a 8,5 % žáků navštěvujících víceletá gymnázia). Reprezentativní soubor studentů narozených v roce 1987 (používaný pro mezinárodní analýzy v rámci projektu PISA) se skládal ze žáků základních škol (41,1 %), studentů víceletých gymnázií (7,9 %), studentů čtyřletých gymnázií (6,2 %), studentů navštěvujících maturitní obory středních odborných škol a učilišť (28,1 %), studentů navštěvujících nematuritní obory středních 6 Není pochyb o tom, že vliv výsledků kognitivních testů na známkování v obecnější poloze by si zasloužil vlastní rozbor a stať, na níž autoři již pracují. 7 Víceletá gymnázia mohou žáci navštěvovat po 5. či 7. ročníku základních škol, studium na nich tedy trvá 6 až 8 let. Vstup na klasická čtyřletá i víceletá gymnázia je značně selektivní (Matějů & Straková, 2005; Straková, 2007; Katrňák, Simonová, & Fónadová, 2013).

11 Koho znevýhodňuje škola: chlapce, nebo dívky? odborných učilišť (12,9 %) a žáky zvláštních škol (2,7 %). Z celkového počtu těchto respondentů bylo 0,2 % žáků v 7. ročníku, 2,8 % v 8. ročníku, 44,7 % v 9. ročníku a 52,4 % v 10. ročníku školní docházky. Dotazník vyplnilo celkem 9910 žáků. V této stati s ohledem na korektnost vážení a plánovaná mezinárodní srovnání pracujeme pouze s mezinárodním reprezentativním souborem PISA 2003 zachycujícím žáky devátých tříd základních škol (celkem 2598 žáků, z toho 1410 chlapců a 1189 dívek). Pro účely analýz jsme použili několik námi vytvořených proměnných, které se podle konkrétního cíle analýzy a podoby rovnice vyskytovaly buď v pozici závislých, či nezávislých proměnných. V prvé řadě jsme pracovali s proměnnými z oblasti známkování. Žáci byli v rámci výzkumu PISA dotázáni na známky z matematiky (MATHGRD) a českého jazyka (READGRD). Tyto proměnné byly kódovány stejným způsobem, jakým probíhá známkování (na čtyřbodové škále, kde 1 = výborný a 4 = dostatečný). K otestování známek, jakožto závislých proměnných, a s ohledem na skutečnost, že získání vynikajících známek v klíčových předmětech je spojeno s podporou učitelů a silnou motivací žáků k dalšímu vzdělávání, jsme vytvořili dichotomické proměnné. Proměnná EXMATH vyjadřuje, zda žák získal výbornou známku ( jedničku ) z matematiky (1 = 1, ostatní známky = 0) a proměnná EXREAD vyjadřuje, zda žák získal výbornou známku ( jedničku ) z českého jazyka (1 = 1, ostatní známky = 0). Dále s ohledem na to, že typ navštěvované střední školy je jednou z nejsilnějších determinant budoucího přechodu na terciární stupeň vzdělávání, jsme použili otázku z dotazníku PISA, která zjišťovala, zda se žák po 9. ročníku základní školy hlásí, či nehlásí na gymnázium. Proměnná GYMAPP je rovněž dichotomická (ano = 1, ne = 0). Aspirace na studium na vysoké škole, byť zatím v 9. ročníku školní docházky, mohou být rovněž silným prediktorem budoucího studia na terciárním stupni vzdělávání. Testovali jsme proto také rozdíly mezi pohlavími v těchto aspiracích, které jsme rovněž kódovali jako dichotomickou proměnnou COLASP (1 = plánuje jít na vysokou školu, 0 = neplánuje jít na vysokou školu). Pohlaví bylo kódováno jako 1 = žena, 0 = muž (v modelech jsme pro větší přehlednost použili proměnnou s názvem FEMALE, 1 = žena, 0 = muž). K vysvětlení potenciálních rozdílů mezi pohlavími a k identifikaci čistých vlivů pohlaví jsme také kontrolovali vliv relevantních intervenujících proměnných zmíněných výše. Byly jimi čtenářské a matematické dovednosti (READ, MATH), měřené prostřednictvím dosažených skórů v testech PISA. Tyto proměnné jsme rovněž použili po jejich překódování na kvartilové rozdělení (READ4, MATH4) Používáme tzv. první plausibilní hodnoty vyjadřující čtenářské a matematické dovednosti (proměnné pv1read a pv1math ze souboru PISA). Pro kontrolu robustnosti příslušných efektů jsme provedli stejnou analýzu pětkrát pro všech 5 plausibilních hodnot (viz např. San Roman & Goiricelaya, 2012, kteří použili podobné řešení). Toto řešení je na rozdíl od jiných strategií (například průměrování plausibilních hodnot) též uvedeno mezi přijatelnými strategiemi pro získání tzv. unbiased estimates (OECD, 2005). Tyto odhady nejsou nepochybně tak efektivní jako odhady provedené s využitím všech pěti plausibilních hodnot za každou proměnnou a příslušných replikačních vah. Tato procedura je poměrně snadno aplikovatelná v případě, že plausibilní hodnoty figurují na levé straně rovnice (jako závislé proměnné). Pokud se vyskytují na pravé straně rovnice (tj. jako nezávislé proměnné), je procedura používající replikační váhy aplikovatelná pouze v případě, že pracujeme jen s jednou takovou nezávislou proměnnou. V naší rovnici jsou

12 Petr Matějů, Natalie Simonová 118 Jak jsme zmínili výše, část rozdílů mezi chlapci a dívkami v procesu dosahování vzdělání může pomoci vysvětlit i osobní (vnitřní) účinnost (self-efficacy). Využili jsme proto i mezinárodní škály pro měření tohoto konceptu a pomocí metody hlavních komponent (viz Příloha, tabulka A1) 9 jsme vytvořili příslušnou latentní proměnnou (SELFEF). Prostřednictvím proměnné ESCS, která je oficiální škálou sociálně-ekonomického a kulturního statusu rodiny, jsme zohlednili také rodinný původ žáků. S ohledem na předpoklad, že problémy s chováním ve škole mohou potenciálně přispívat k horšímu klasifikování chlapců (či naopak, příznivějšímu klasifikování dívek), jsme vytvořili spojitou proměnnou PROBL, zachycující výskyt problematického chování ve škole i mimo ni. Škála byla zkonstruována pomocí metody hlavních komponent z baterie otázek, prostřednictvím kterých žáci sami vypovídali o svém případném problémovém chování. Výsledné hodnoty faktorových skórů zachycuje příloha, tabulka A4. Předpokládáme rovněž, že rozdíly mezi pohlavími ve známkách z matematiky, stejně jako aspirace a budoucí plány týkající se jejich vzdělání, mohou být vysvětleny odlišnými strategiemi učení se matematice. 10 Latentní proměnné MATHAPP a MATHLRN zachycují dva různé přístupy učení se matematice: MATHAPP vyjadřuje strategii založenou spíše na hledání vlastních řešení a aplikací, zatímco MATHLRN vyjadřuje důraz na zapamatování a procvičování. 11 Výsledky analýzy hlavních komponent jsou uvedeny v příloze, tabulka A2. Konečně, k vysvětlení odlišného průběhu vzdělávání chlapců a dívek by mohly přispět i rozdílné sklony k různým strategiím životního úspěchu, které se zdají být formovány odlišným společenským očekáváním od obou pohlaví. Abychom mohli kontrolovat vliv i tohoto faktoru, z baterie otázek na představy o životním úspěchu jsme definovali proměnné STEDUC a STENTREP. Proměnná STEDUC reprezentuje představy žáků o dosahování úspěchu především prostřednictvím vzdělání, jazykové vybavenosti a ambicí, zatímco proměnná STENTREP reprezentuje přesvědčení, že klíčem k životnímu úspěchu jsou osobní a politické konexe, schopnost riskovat a umění prosadit se. Výsledky analýzy hlavních komponent jsou uvedeny v Příloze, tabulka A3. Rozdíly mezi žáky a žákyněmi v hodnotách stěžejních (nezávislých) proměnných použitých v analýze ukazuje tabulka 1. Z ní je patrné, že čeští chlapci dosahují vyšších skórů v matematice, dívky naopak vyšších skórů ve čtení. Výsledky chlapců jsou nicméně zatíženy větším rozptylem v dosažených hodnotách než výsledky dívek, však vždy dvě nezávislé proměnné tohoto typu (READ a MATH). Z tohoto důvodu volíme strategii, která je považována nikoli za ideální, ale za přijatelnou (OECD, 2005). 9 Tuto proměnnou používáme v rovnicích predikujících výslednou školní klasifikaci, zejména pro kontrolu vlivu stresu či úzkosti, která je spojována s testováním. Deskriptivní analýza skutečně potvrdila, že chlapci disponují mírně vyšší osobní účinností (self-efficacy) než dívky, i když tento rozdíl není statisticky signifikantní (viz tabulka 1). 10 Otázky na strategie zdokonalování se ve čtenářských dovednostech nebyly součástí výzkumu PISA Tyto proměnné vychází z otázek Q34 a k studentského dotazníku PISA 2003.

13 Koho znevýhodňuje škola: chlapce, nebo dívky? které jsou více homogenní. 12 Chlapci dosáhli jen mírně vyšších hodnot osobní účinnosti než dívky, naměřené rozdíly však nejsou statisticky signifikantní. Tento závěr je, alespoň pokud jde o Českou republiku, v rozporu s tvrzeními o větší odolnosti chlapců vůči stresu z testování. Chlapci se dále vyznačují tím, že při učení se matematice více než dívky využívají příklady (úlohy) z praxe a objevovací strategie, zatímco dívky více sledují spíše tradiční učební postupy (zapamatování a procvičování). V obou případech jde o statisticky významné rozdíly mezi oběma pohlavími. Pokud jde o ČR, chlapci se ve srovnání s dívkami v přístupu k matematice přiklání spíše k objevovací a aplikační strategii, zatímco dívky volí spíše strategie založené na učení a procvičování. V souladu s očekáváním chlapci také ve statisticky významně větší míře přiznávají své problémové chování. Překvapivé není ani to, že chlapci v souvislosti se strategiemi životního úspěchu vykazují statisticky významně větší sklon k podnikatelským aktivitám, podstupování rizik a využívání sociálních sítí (sociálního kapitálu), zatímco dívky mají tendenci propojit vnímání životního úspěchu spíše se vzděláním, nabýváním znalostí (kulturního kapitálu), poctivostí a poslušností. 119 Tabulka 1 Rozdíly mezi pohlavími ve vybraných nezávislých proměnných vstupujících do analýz* Pohlaví/parametr MATH** READ** SELFEF MATHLRN MATHAPP PROBL STEDUC STENTREP Průměr 504,1 456,5 0,027 0,168 0,171 0,047 0,122 0,241 Chlapci Dívky Celkem N S.D. 89,4 85,9 1,024 1,080 1,047 1,061 1,054 0,986 S.E. 5,698 4,779 0,040 0,041 0,035 0,038 0,042 0,039 Průměr 483,9 483,5 0,032 0,195 0,200 0,055 0,142 0,281 N S.D. 85,1 81,4 0,969 0,856 0,901 0,921 0,912 0,942 S.E. 5,179 4,772 0,041 0,034 0,029 0,032 0,033 0,035 Průměr 495,2 469,1 0,032 0,000 0,000 0,000 0,000 0,000 N S.D. 88,1 84,9 1,000 1,000 1,000 1,000 1,000 1,000 S.E. 4,944 4,159 0,041 0,029 0,024 0,029 0,028 0,028 * Všechny odhady byly vypočítány s použitím celkové váhy vyvinuté pro soubor PISA (student final weight, w_fstuwt), stejně jako designových (replikačních) vah (w_fstr1 až w_fstr80), pro podrobnosti viz PISA Data Analysis Manual (OECD, 2005). ** Odhady všech parametrů dovednostních škál u proměnných MATH a READ byly vypočítány s použitím SPSS maker používajících plausibilní hodnoty, pro podrobnosti viz PISA Data Analysis Manual (OECD, 2005). 12 Směrodatné odchylky výsledků v testech byly následující: z matematiky v případě chlapců 89,4; v případě dívek 85,1; v testech ze čtení u chlapců 85,9; u dívek 81,4.

14 Petr Matějů, Natalie Simonová 120 Tabulka 2 zachycuje rozdíly mezi chlapci a dívkami ve vysvětlovaných (závislých) proměnných. Z nich je patrné, že dívky častěji dosahují lepších známek z českého jazyka 19,3 % dívek získalo hodnocení jedna, oproti 6,6 % chlapců. Dívky stejně tak získávají lepší známky z matematiky (19,9 % dívek bylo klasifikováno známkou jedna, ve srovnání s pouze 14,3 % chlapců). Rozdíly panují i v oblasti plánů týkajících se následného vzdělávání: pouze 14 % chlapců uvedlo, že se hlásili na gymnázium, zatímco dívek se hlásilo 22,6 %. Co se týče aspirací na vysokoškolské vzdělání, zde jsou pravděpodobnosti v podstatě vyrovnané, s mírnou převahou u dívek. Tabulka 2 Rozdíly mezi pohlavími ve vybraných závislých proměnných vstupujících do analýz (průměry binárních proměnných) Gender/parametr EXMATH EXREAD GYMAPP COLASP Průměr 0,143 0,066 0,140 0,373 Chlapci Dívky Celkem N S.D. 0,350 0,248 0,347 0,484 S.E. 0,013 0,008 0,015 0,018 Průměr 0,199 0,193 0,226 0,413 N S.D. 0,399 0,395 0,418 0,493 S.E. 0,018 0,016 0,019 0,025 Průměr 0,169 0,125 0,179 0,392 N S.D. 0,375 0,330 0,384 0,488 S.E. 0,014 0,009 0,013 0,016 * Všechny odhady byly vypočítány s použitím celkové váhy vyvinuté pro soubor PISA (student final weight, w_fstuwt), stejně jako designových (replikačních) vah (w_fstr1 až w_fstr80), pro podrobnosti viz PISA Data Analysis Manual (OECD, 2005). 6 Hlavní výsledky Jak jsme uvedli výše, chlapci dosahují statisticky významně lepších výsledků v matematických testech PISA než dívky, zatímco dívky ve srovnání s chlapci dosahují statisticky významně lepších výsledků v testech čtenářských dovedností. Pro obě tvrzení nacházíme oporu v údajích uvedených v tabulce Tento model ostatně není v zemích OECD výjimečný. Ve snaze pochopit rozdíly ve výsledcích vzdělávání podle pohlaví jsme se snažili zjistit, jaké odlišnosti panují mezi dívkami a chlapci ve vztahu mezi školním znám- 13 Hodnoty testového kritéria t pro rozdíly mezi průměry dívek a chlapců, (μ muž μ žena )/σ μ, jsou v obou případech větší než příslušné kritické hodnoty pro hladinu významnosti 0,05 (1,96).

15 Koho znevýhodňuje škola: chlapce, nebo dívky? kováním (1 = výborně až 4 = dostatečně) a dovednostmi měřenými testy PISA (s výslednými skóry rozčleněnými na kvartily, kde 1 = nejnižší kvartil, 4 = horní kvartil). Již jsme předeslali, že známky z českého jazyka nelze přímo spojovat s výsledky testů čtenářských dovedností. Na druhou stranu by ovšem tento vztah neměl být zásadně ovlivněn pohlavím. V rozporu s tímto předpokladem výsledky srovnání úrovní měřených dovedností a školních známek ukazují, že mezi chlapci a dívkami existují v tomto ohledu velké rozdíly. Z grafů 1a a 1b je patrné, že pouze 10 % chlapců, kteří se umístili v horním kvartilu čtenářských dovedností, dostalo z českého jazyka jedničku. Z dívek, které se ve čtenářských dovednostech umístily v horním kvartilu, dostalo z českého jazyka jedničku 29 %, což je téměř trojnásobek ve srovnání s chlapci se stejnými dovednostmi. Skutečnost, že žáci s nejlepšími čtenářskými dovednostmi dostávají ve škole špatné známky z českého jazyka (jsou hodnoceni známkami 3 a 4), není z hlediska hlavní otázky, kterou v této stati řešíme, tak zajímavá a důležitá jako to, že taková situace je mnohem běžnější u chlapců než u dívek (43 % v případě chlapců oproti 24 % u dívek). Výsledky analýzy tedy potvrzují zjištění, k nimž dospěli autoři, kteří si podobnou otázku položili před námi: při studiu rozdílů ve školním výkonu chlapců a dívek je obvyklé, že chlapci mají tendenci profitovat ze standardizovaného testování, zatímco dívky bodují spíše v běžné školní klasifikaci (Duckworth & Seligman, 2006). 121 Chlapci 50,0% 45,0% 40,0% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 2% 42% 43% 38% 30% 23% 18% 4% 8% 39% 37% 16% 47% 34% 10% 9% 1,00 2,00 3,00 4,00 0,0% 1,00 2,00 3,00 4,00 Čtenářské dovednosti - kvartily Graf 1a Známky z českého jazyka a výsledky v testech čtenářských dovedností chlapci (kvartily, 1 = nejhorší výsledky, 4 = nejlepší výsledky)

16 Petr Matějů, Natalie Simonová 122 Dívky 50,0% 47% 49% 47% 45,0% 40,0% 40% 38% 35,0% 30,0% 25,0% 20,0% 15,0% 10,0% 5,0% 5% 25% 23% 9% 13% 17% 30% 5% 29% 21% 3% 1,00 2,00 3,00 4,00 0,0% 1,00 2,00 3,00 4,00 Čtenářské dovednosti - kvartily Graf 1b Známky z českého jazyka a výsledky v testech čtenářských dovedností dívky (kvartily, 1 = nejhorší výsledky, 4 = nejlepší výsledky) Stejným způsobem jako v oblasti čtení jsme analyzovali také rozdíly v matematice. Grafy 2a a 2b ukazují, že pouze 32 % chlapců v nejvyšším kvartilu matematických dovedností získalo zároveň jedničku z matematiky, zatímco dívek se stejnou úrovní dovedností, které získaly jedničku z matematiky, bylo 54 %. Podobně mezi žáky s nejlepšími dovednostmi v matematice bylo známkami 3 nebo 4 klasifikováno 22 % chlapců, avšak pouze 6 % dívek. Chlapci 60,0% 62% 50,0% 48% 40,0% 30,0% 20,0% 30% 38% 37% 38% 33% 21% 14% 14% 32% 18% 1,00 2,00 3,00 4,00 10,0% 2% 7% 5% 3% 0,0% 1,00 2,00 3,00 4,00 Matematické dovednosti - kvartily Graf 2a Známky z matematiky a výsledky v testech matematických dovedností chlapci (kvartily, 1 = nejhorší výsledky, 4 = nejlepší výsledky)

17 Koho znevýhodňuje škola: chlapce, nebo dívky? Dívky ,0% 54% 50,0% 45% 46% 40,0% 30,0% 20,0% 16% 38% 39% 36% 18% 25% 26% 40% 1,00 2,00 3,00 4,00 10,0% 0,0% 1% 7% 4% 4% 1,00 2,00 3,00 4,00 2% Matematické dovednosti - kvartily Graf 2b Známky z matematiky podle pohlaví a výsledků v testech matematických dovedností dívky (kvartily, 1 = nejhorší výsledky, 4 = nejlepší výsledky) Podstatná část akademického výzkumu se dále věnuje tomu, čím lze rozdíly v dovednostech a školní klasifikaci mezi chlapci a dívkami vysvětlit. Do jaké míry například na průběh vzdělávacích drah chlapců a dívek různě působí jejich sociálně-ekonomický původ (Entwisle et al., 2007; Penner & Paret, 2007). Jiné studie dochází ke zjištění, že jedna z výhod dívek, jež se promítá do školní klasifikace, spočívá v jejich schopnosti sebeovládání a rozsahu mimokognitivních schopností (Farkas et al., 1990; Duckworth & Seligman, 2006). Abychom tedy zmapovali i vliv potenciálně relevantních intervenujících proměnných, zařadili jsme do analýzy čtyři latentní proměnné definované výše: SELFEF, PROBL, MATHLRN, MATHAPP, STEDUC a STENTREP. S využitím logistické regrese 14 jsme testovali vliv pohlaví žáka na jeho/její šanci získat jedničku z českého jazyka a matematiky, a to při kontrole naměřených dovedností a celé řady dalších proměnných, jež jsme zmínili výše a které by mohly do tohoto vztahu případně intervenovat. Jako závislou proměnnou jsme použili dichotomickou proměnnou vyjadřující to, zda žák obdržel nejlepší prospěchové hodnocení v matematice nebo čtení (1), či takové hodnocení neobdržel (0). Výsledky regresní analýzy rozdílů mezi dívkami a chlapci v jejich školních výsledcích jsou prezentovány v tabulce 3 (pro rozdíly v matematice) a tabulce 4 (pro rozdíly v českém jazyce). 14 Odhady byly provedeny procedurou Logistic regression v SPSS (verze 20), která ovšem neřeší problém skryté heterogenity ( unobserved heterogeneity viz např. Allison, 1999; Menard, 2002, 2004; Mood, 2010). Proto jsme parciálně standardizované (Y-standardized) i plně standardizované (fully standardized) koeficienty logistické regrese spočítali dodatečně (algoritmy viz Menard, 2006). Tyto koeficienty v tabulkách označujeme BStdY, resp. BStdXY.

18 Petr Matějů, Natalie Simonová 124 Tabulka 3 Vliv pohlaví a dalších proměnných na známku z matematiky (závislá proměnná EXMATH: jednička z matematiky, 1 = ano, 0 = ne) B S.E. Wald Exp(B) BStdXY BStdY Model 1 ( 2LL=1802,9, Nagelkerkeho RSQ=0,288; 81,8 % správně klasifikovaných případů) MATH 0,015 0, ,6 1,015 *** 0,486 0,010 Female 0,904 0,124 53,1 2,469 *** 0,167 0,609 ECSC 0,362 0,082 19,6 1,436 *** 0,106 0,244 Konstanta 10,205 0, ,3 0,000 *** Model 2 ( 2LL=1676,4, Nagelkerkeho RSQ=0,299; 83,8 % správně klasifikovaných případů) MATH 0,014 0, ,5 1,014 *** 0,451 0,009 READ 0,002 0,001 3,5 1,002 *** 0,062 0,001 Female 0,818 0,132 38,4 2,266 *** 0,150 0,546 ECSC 0,342 0,083 17,1 1,408 *** 0,099 0,228 Konstanta 10,481 0, ,8 0,000 *** Model 3 ( 2LL=1404,9, Nagelkerkeho RSQ=0,304; 86,7 % správně klasifikovaných případů) MATH 0,012 0,001 92,8 1,013 *** 0,394 0,008 READ 0,003 0,001 4,4 1,003 * 0,096 0,002 Female 0,701 0,145 23,4 2,016 *** 0,131 0,483 ECSC 0,290 0,089 10,7 1,337 *** 0,086 0,200 MATHLRN 0,041 0,068 0,4 1,042 0,015 0,028 MATHAPP 0,126 0,066 3,7 1,134 * 0,047 0,087 SELFEF 0,012 0,071 0,1 1,012 0,005 0,008 PROBL 0,282 0,078 13,0 0,754 *** 0,106 0,194 STEDUC 0,112 0,074 2,3 1,119 0,042 0,077 STENTREP 0,045 0,068 0,4 0,956 0,017 0,031 Konstanta 9,951 0, ,7 0,000 *** N = 2001 (chybějící hodnoty vyloučeny metodou listwise ). *** = p < 0,001, ** = p < 0,01, a * = p < 0,05. Modelování proměnné EXMATH (vyjadřující, zda žák obdržel jedničku z matematiky) ukazuje, že vliv pohlaví je velmi silný (dívky mají 2,5krát větší šanci 15 na získání jedničky než chlapci), a to i po zohlednění výsledků dovednostního testu PISA z matematiky a sociálně-ekonomického a kulturního zázemí rodiny (ESCS). Po zafixování čtenářských dovedností (měřených PISA testem), v nichž dívky významně překonávají chlapce, se v modelu 2 mírně snížil vliv pohlaví (vyjádřeno Y-standardizovaným koeficientem z 0,609 na 0,546). I po přidání dalších relevantních proměnných (model 3), konkrétně 15 Z přísně statistického hlediska zde termín šance odpovídá tzv. poměru šancí (angl. odds ratio), který porovnává šance (angl. odds) dvou skupin navzájem (koeficient e b, Exp (B) ve značení SPSS).

19 Koho znevýhodňuje škola: chlapce, nebo dívky? toho, zda žáci mají aktivní, nebo pasivní přístup k učení se matematice (proměnné MATHLRN, MATHAPP), dále jejich osobní účinnosti (SELFEF), sklonu k problémovému chování (PROBL) a proměnných vyjadřujících preference vedoucí k úspěchu v životě (STEDUC, STENTREP), zůstala šance na získání nejlepšího hodnocení z matematiky na vysoké a statisticky významné úrovni po zohlednění všech výše uvedených proměnných mají dívky dvakrát větší šanci na získání jedničky než chlapci. Není bez zajímavosti, že v Y-standardizovaných koeficientech je pohlaví nejsilnějším čistým efektem. Stojí za to také poznamenat, že čistý efekt sociálně-ekonomického a kulturního původu (ECSC) na školní klasifikaci není zanedbatelný, je statisticky významný ve smyslu zvýšení šance na nejlepší známku z matematiky o 1,3 násobek. Jak jsme předpokládali, sklon k problémovému chování (PROBL) hraje v souvislosti se školním hodnocením též významnou roli. Čistý efekt této proměnné (0,745) je velmi významný. Nicméně, její začlenění do modelu neodstraňuje rozdíl, který panuje mezi oběma pohlavími. 125 Tabulka 4 Vliv pohlaví a dalších proměnných na známku z českého jazyka (závisle proměnná EXREAD: jednička z českého jazyka, 1 = ano, 0 = ne) B S.E. Wald Exp(B) BStdXY BStdY Model 1 ( 2LL=1555,5, Nagelkerkeho RSQ=0,246; 86,7 % správně klasifikovaných případů) READ 0,012 0, ,5 1,012 *** 0,370 0,009 Female 1,165 0,141 68,1 3,207 *** 0,211 0,857 ECSC 0,374 0,090 17,3 1,453 *** 0,107 0,275 Konstanta 8,800 0, ,7 0,000 *** Model 2 ( 2LL=1432,1, Nagelkerkeho RSQ=0,267; 87,5 % správně klasifikovaných případů) READ 0,005 0,001 12,7 1,005 *** 0,148 0,003 MATH 0,010 0,001 59,9 1,011 *** 0,002 0,007 Female 1,613 0, ,2 4,851 *** 0,272 1,058 ECSC 0,273 0,093 8,7 1,314 *** 0,073 0,179 Konstanta 11,216 0, ,8 0,000 *** Model 3 ( 2LL=1404,8, Nagelkerkeho RSQ=0,286; 86,7 % správně klasifikovaných případů) READ 0,004 0,001 9,5 1,004 ** 0,119 0,003 MATH 0,010 0,001 49,5 1,010 *** 0,307 0,007 Female 1,530 0,165 86,2 4,618 *** 0,268 1,009 ECSC 0,237 0,097 5,9 1,267 ** 0,066 0,156 SELFEF 0,102 0,079 1,6 1,107 0,036 0,067 PROBL 0,270 0,087 9,6 0,763 ** 0,095 0,178 STEDUC 0,269 0,084 10,3 1,309 *** 0,095 0,177 STENTREP 0,079 0,074 1,1 1,082 0,028 0,052 Konstanta 10,203 0, ,1 0,000 *** N = 2067 (chybějící hodnoty vyloučeny metodou listwise ). *** = p < 0,001, ** = p < 0,01 a * = p < 0,05.

20 Petr Matějů, Natalie Simonová 126 Logistická regrese modelující proměnnou EXREAD, tj. proměnnou, která měří, zda žák dosahuje hodnocení jedna z českého jazyka (tabulka 4), ukazuje, že rozdíl mezi pohlavími je v případě školní klasifikace z předmětu český jazyk ještě silnější, než tomu bylo v případě matematiky. Pokud porovnáme výsledky modelu 2 (viz tabulka 2) s výsledky modelu 3 (viz tabulka 4), které obsahují stejné vysvětlující proměnné, vidíme, že dívky 9. ročníků mají 2,3krát větší šanci získat nejlepší známku z matematiky, avšak zároveň mají téměř 5krát větší šanci na získání jedničky z českého jazyka než chlapci a to i po kontrole výsledků PISA testů z matematiky, testů ze schopnosti porozumět psanému textu a po kontrole ESCS. Můžeme tedy konstatovat, že námi stanovené hypotézy H1 a H2 jsou platné: dívky dosahují ve srovnání s chlapci statisticky významně vyšší šance dosáhnout nejvyššího hodnocení (jedničky) v českém jazyce a matematice, a to i při kontrole čtenářských a matematických dovedností, sociálně-ekonomického a kulturního zázemí, přístupu k učení, osobní účinnosti, problémového chování a preferencí jednání vedoucího k úspěchu v životě. Výzkum vzdělanostních nerovností při vstupu do vysokého školství v ČR ukázal na velmi silný vliv typu absolvované střední školy, tj. čtyřletých nebo víceletých gymnázií, středních odborných škol a středních odborných učilišť (Matějů, Smith, Soukup, & Basl, 2007; Straková, 2007, 2010; Simonová & Soukup, 2010). Absolvování gymnázia poskytuje zdaleka největší šance k přijetí na vysokou školu (částečně také proto, že tyto školy se již předem snaží připravit své studenty na vysokoškolské vzdělávání), zatímco studenti navštěvující odborná učiliště prakticky nemají šanci na univerzitní studium, mimo jiné i proto, že bez maturity jsou jim brány vysokých škol zavřené (šance na úspěch v přechodu mezi střední a vysokou školou jsou ovšem minimální i pro absolventy učebních oborů s maturitou). Pokud jde o absolventy gymnázií, zde je třeba připomenout, že ačkoli často pocházejí z vyšších sociálně-ekonomických vrstev, efekt gymnaziálního studia je velmi silný i po kontrole vlivu sociálně-ekonomického statusu výchozí rodiny. I proto jsme se rozhodli tento efekt vzít v modelování aspirací na vysokoškolské vzdělání v úvahu. Základní popisné statistiky zachycené tabulkou 1 ukazují, že ke studiu na gymnáziu se hlásí 23 % dívek a pouze 14 % chlapců. Abychom získali představu o tom, jakou roli na přechodu mezi základní školou a gymnáziem hraje pohlaví, testovali jsme několik modelů umožňujících identifikovat čistý vliv pohlaví na případný pokus žáka pokračovat ve studiu na gymnáziu. Analýzu jsme stejně jako v předchozích případech provedli pouze na žácích 9. ročníků základních škol. Testované modely znázorňuje tabulka 5. V modelu 1 platí, že dívky mají 1,8krát větší šanci hlásit se na gymnázia než chlapci. Další modely ukazují, že vliv pohlaví po kontrole čtenářských a matematických dovedností roste (vyjádřeno pomocí odds-ratios). V modelu 2 se relativní šance dívek vůči chlapcům zvyšuje na 2,6 násobek (při kontrole čtenářských a matematických dovedností). Výhoda dívek oproti chlapcům se nemění ani po přidání dalších relevantních proměnných do modelu, jmenovitě MATHLRN, MATHAPP, SELFEF, PROBL, STEDUC a STENTREP (viz model 3).

Jak velká je poptávka po gymnáziích? Aproč není vyšší?

Jak velká je poptávka po gymnáziích? Aproč není vyšší? Jak velká je poptávka po gymnáziích? Aproč není vyšší? Petr Matějů 1 Otázky Je růst podílu žáků ve školách poskytujících všeobecné vzdělání žádoucí? Jaká je aktuální poptávka po studiu na gymnáziích? Co

Více

Sekundární analýzy výsledků šetření PISA 2012

Sekundární analýzy výsledků šetření PISA 2012 Sekundární analýzy výsledků šetření PISA 2012 Praha, září 2014 Obsah 1 Úvod... 3 2 Vliv socioekonomického zázemí na výsledky českých žáků v šetření PISA 2012... 4 2.1 Shrnutí... 9 3 Srovnání žáků s výbornými

Více

ZE SOCIOLOGICKÝCH VÝZKUMŮ

ZE SOCIOLOGICKÝCH VÝZKUMŮ ZE SOCIOLOGICKÝCH VÝZKUMŮ Rozdíly ve vědomostech a dovednostech českých chlapců a děvčat na základě zjištění mezinárodních výzkumů* EVA POTUŽNÍKOVÁ** Ústav pro informace ve vzdělávání, Praha JANA STRAKOVÁ**

Více

Monitorování. učitelé. žáci. další partneři. absolventi. trh práce

Monitorování. učitelé. žáci. další partneři. absolventi. trh práce M a l á t o v a t e l. 2 9 5 e-m a i l : Vývoj vzdělávání a školství v krajích ČR Kvalita a evaluace Radim Ryška Seminář k projektu ESF Kvalita II Praha a Brno, 15. a 17. ledna 2008 M a l á t o v a t e

Více

Pivo, víno a lihoviny v české společnosti v roce 2012

Pivo, víno a lihoviny v české společnosti v roce 2012 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: +420 210 310 584 E-mail: jiri.vinopal@soc.cas.cz Pivo, víno a lihoviny v české společnosti v

Více

Česká veřejnost o tzv. Islámském státu únor 2015

Česká veřejnost o tzv. Islámském státu únor 2015 pm50 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: +40 86 840 9 E-mail: jan.cervenka@soc.cas.cz Česká veřejnost o tzv. Islámském státu únor 05

Více

ABSOLVENTI FILOLOGICKÝCH OBORŮ DNES A ZITRA

ABSOLVENTI FILOLOGICKÝCH OBORŮ DNES A ZITRA CZ.1.07/2.2.00/15.0291 ABSOLVENTI FILOLOGICKÝCH OBORŮ DNES A ZITRA 22. září 2011 Filozofická fakulta Univerzity Palackého v Olomouci PhDr. Hana Katrňáková, Ph.D. Kurzy měkkých manažerských dovedností (soft

Více

Učitelé matematiky a CLIL

Učitelé matematiky a CLIL ŠULISTA Marek. Učitelé matematiky a CLIL. Učitel matematiky. Jednota českých matematiků a fyziků, 2014, roč. 23, č. 1, s. 45-51. ISSN 1210-9037. Učitelé matematiky a CLIL Úvod V České republice došlo v

Více

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne.

Test obsahoval 7 otevřených otázek a 2 uzavřené alternativní otázky s možností volby ano, ne. ! Cílem vysílání v rámci projektu ŠIK je také předávání praktických informací z oblasti rizikového chování. Vycházíme z přesvědčení, že člověk, který má dostatek pravdivých informací, má také větší "#$%&&%

Více

Reforma vysokých škol: rovné příležitosti. Petr Matějů Simona Weidnerová členové expertního týmu IPn projektu Reforma terciárního vzdělávání

Reforma vysokých škol: rovné příležitosti. Petr Matějů Simona Weidnerová členové expertního týmu IPn projektu Reforma terciárního vzdělávání Reforma vysokých škol: rovné příležitosti Petr Matějů Simona Weidnerová členové expertního týmu IPn projektu Reforma terciárního vzdělávání V čem je problém? Systém terciárního vzdělávání je velmi selektivní

Více

O informálním učení v České republice

O informálním učení v České republice O informálním učení v České republice Milada Rabušicov icová & Ladislav Rabušic Filozofická fakulta & Fakulta sociáln lních studií Masarykova univerzita Brno Východiska Celoživotní učení je v ideálním

Více

ČTENÁŘSKÁ GRAMOTNOST ČESKÝCH ŽÁKŮ V MEZINÁRODNÍM SROVNÁNÍ

ČTENÁŘSKÁ GRAMOTNOST ČESKÝCH ŽÁKŮ V MEZINÁRODNÍM SROVNÁNÍ ČTENÁŘSKÁ GRAMOTNOST ČESKÝCH ŽÁKŮ V MEZINÁRODNÍM SROVNÁNÍ Josef Basl, Ústav pro informace ve vzdělávání Praha Čtenářská gramotnost žáků v České republice byla dosud zjišťována v rámci dvou mezinárodních

Více

Názor na devizové intervence České národní banky

Názor na devizové intervence České národní banky TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: martin.durdovic@soc.cas.cz Názor na devizové intervence České národní

Více

GENDEROVÉ STEREOTYPY VE ŠKOLE

GENDEROVÉ STEREOTYPY VE ŠKOLE EVROPSKÝ SOCIÁLNÍ FOND "PRAHA & EU": INVESTUJEME DO VAŠÍ BUDOUCNOSTI" VŠCHT Praha: Inovace studijního programu Specializace v pedagogice (CZ.2.17/3.1.00/36318) GENDEROVÉ STEREOTYPY VE ŠKOLE PhDr. Irena

Více

Analýza postojů a vzdělávacích potřeb romských dětí a mládeže. Výsledky kvantitativní a kvalitativní sondy v devíti základních školách

Analýza postojů a vzdělávacích potřeb romských dětí a mládeže. Výsledky kvantitativní a kvalitativní sondy v devíti základních školách Analýza postojů a vzdělávacích potřeb romských dětí a mládeže Výsledky kvantitativní a kvalitativní sondy v devíti základních školách Základní informace o projektu Zadavatel Nadace rozvoje občanské společnosti

Více

katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol

katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol STATISTICKÁ ANALÝZA PŘIJÍMACÍHO ŘÍZENÍ NA PEF PRO AKADEMICKÝ ROK 1994/1995 Bohumil Kába, Libuše Svatošová katedra statistiky PEF, Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol Anotace: Příspěvek pojednává

Více

Gender. MUDr. Mgr. Petra Elizabeth Teslíková

Gender. MUDr. Mgr. Petra Elizabeth Teslíková Gender MUDr. Mgr. Petra Elizabeth Teslíková Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: CZ.1.07/1.5.00/34.0410 Číslo šablony: 2 Název materiálu: Gender Ročník: 3. Identifikace

Více

VÝZKUM TRHU, MÉDIÍ A VEŘEJNÉHO MÍNĚNÍ, VÝVOJ SOFTWARE

VÝZKUM TRHU, MÉDIÍ A VEŘEJNÉHO MÍNĚNÍ, VÝVOJ SOFTWARE VÝZKUM TRHU, MÉDIÍ A VEŘEJNÉHO MÍNĚNÍ, VÝVOJ SOFTWARE Národních hrdinů 7, 10 12 Praha tel.: 22 01 111, fax: 22 01 101 e-mail: median@median.cz www.median.cz VÝZKUMNÁ ZPRÁVA ANALÝZA DETERMINANTŮ PRACOVNÍ

Více

Mezinárodní šetření PISA 2012. Finanční gramotnost patnáctiletých žáků

Mezinárodní šetření PISA 2012. Finanční gramotnost patnáctiletých žáků Praha, 2014 Obsah Úvod... 3 1. Finanční gramotnost v šetření PISA 2012... 4 2. Výsledky v mezinárodním srovnání... 8 3. Vybrané faktory ovlivňující výsledky finanční gramotnosti... 14 4. Rozdíly ve výsledcích

Více

Josef Basl. 24. února 2010

Josef Basl. 24. února 2010 Vzdělanostní aspirace žáků základních a středních škol včr v mezinárodním srovnání - kdo má zájem o studium přírodovědných a technických oborů a kdo v nich skutečně studuje? Josef Basl 24. února 2010 Osnova

Více

Česká veřejnost o tzv. Islámském státu březen 2015

Česká veřejnost o tzv. Islámském státu březen 2015 pm TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel.: + E-mail: jan.cervenka@soc.cas.cz Česká veřejnost o tzv. Islámském státu březen 05 Technické parametry

Více

Email: jana.strakova@isea.cz, jana.strakova@pedf.cuni.cz, jana.strakova@aisis.cz

Email: jana.strakova@isea.cz, jana.strakova@pedf.cuni.cz, jana.strakova@aisis.cz Jméno a příjmení: STRAKOVÁ Jana Titul: RNDr. _ Ph.D. Obor: věda, vzdělávání Specializace: vystudovala fyz. elektroniku a optiku, koordinátorka a vedoucí mezinárodních výzkumů pro vzdělávání, reforma vysokého,

Více

Motivace, priority a kvalita uchazečů o VŠ studium

Motivace, priority a kvalita uchazečů o VŠ studium Motivace, priority a kvalita uchazečů o VŠ studium Vybraná zjištění z projektů Vektor a Národní srovnávací zkoušky Vypracoval tým autorů Scio Kontakt: Jan Hučín, jhucin@scio.cz 1. Shrnutí poznatků Poznámka:

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

OBSAH VZDĚLÁVÁNÍ, UČIVO

OBSAH VZDĚLÁVÁNÍ, UČIVO OBSAH VZDĚLÁVÁNÍ, UČIVO Vzdělání Učivo patří mezi jeden ze tří hlavních činitelů výuky. Za dva zbývající prvky se řadí žák a učitel. Každé rozhodování o výběru učiva a jeho organizaci do kurikula vychází

Více

PISA 2012. SPŠ stavební J. Gočára, Družstevní ochoz 3, Praha 4. Kód vaší školy: M 2 VÝSLEDKY ŠETŘENÍ ŠKOLNÍ ZPRÁVA

PISA 2012. SPŠ stavební J. Gočára, Družstevní ochoz 3, Praha 4. Kód vaší školy: M 2 VÝSLEDKY ŠETŘENÍ ŠKOLNÍ ZPRÁVA VÝSLEDKY ŠETŘENÍ PISA 1 ŠKOLNÍ ZPRÁVA SPŠ stavební J. Gočára, Družstevní ochoz 3, Praha Kód vaší školy: M Tato zpráva je spolufinancována Evropským sociálním fondem a státním rozpočtem České republiky.

Více

Výsledky dětí v testech, zkouškách a přijímacím řízení na vyšší stupeň

Výsledky dětí v testech, zkouškách a přijímacím řízení na vyšší stupeň Výsledky dětí v testech, zkouškách a přijímacím řízení na vyšší stupeň V rámci celé školy je zaveden systém sledování, jak žáci dosahují očekávaných výstupů. Na konci každého pololetí jsou v každé třídě

Více

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl)

Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 12. 2002 60 Výběrové šetření o zdravotním stavu české populace (HIS CR 2002) Fyzická aktivita (VIII. díl) Tato

Více

Tomáš Karel LS 2012/2013

Tomáš Karel LS 2012/2013 Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není

Více

Evaluace průřezových témat

Evaluace průřezových témat KONFERENCE 2013 EVALUACE PRO BUDOUCNOST Evaluace průřezových témat Daniel Svoboda 28. 5. 2013 1 Úvod Busanské partnerství pro efektivní rozvojovou spolupráci potvrdilo, že odstraňování chudoby a nerovností

Více

Předběţné výsledky z výzkumu PISA 2009

Předběţné výsledky z výzkumu PISA 2009 Předběţné výsledky z výzkumu PISA 2009 Školní zpráva pro: Základní škola, Kuncova 1580, Praha 5 - Stodůlky Kód vaší školy: ZS 5 Praha prosinec 2009 Úvod Tato zpráva obsahuje předběţné výsledky vaší školy

Více

POKYNY PRO POLITIKU ROVNÝCH PŘÍLEŽITOSTÍ

POKYNY PRO POLITIKU ROVNÝCH PŘÍLEŽITOSTÍ PRACOVNÍ PŘEKLAD POKYNY PRO POLITIKU ROVNÝCH PŘÍLEŽITOSTÍ pro Finanční mechanismus EHP a Norský finanční mechanismus Schváleno 7. dubna 2006 1. Úvod 1.1. Věcné prohlášení Rovnost příležitostí je v popředí

Více

Vícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod

Vícerozměrné metody. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Schematický úvod PSY117/454 Statistická analýza dat v psychologii Přednáška 12 Vícerozměrné metody Schematický úvod Co je na slově statistika tak divného, že jeho vyslovení tak často způsobuje napjaté ticho? William Kruskal

Více

2. Odstraňování slabých míst vzdělávacího systému

2. Odstraňování slabých míst vzdělávacího systému MINISTERSTVO ŠKOLSTVÍ, MLÁDEŽE A TĚLOVÝCHOVY Podklad pro diskuzi ke Strategii vzdělávací politiky do roku 00. Odstraňování slabých míst vzdělávacího systému Praha, březen 01 Úvod V lednu 01 zahájilo Ministerstvo

Více

Motivace a očekávání studentů prvních ročníků na MU 2007

Motivace a očekávání studentů prvních ročníků na MU 2007 Motivace a očekávání studentů prvních ročníků na MU 2007 Zpráva z průzkumu V roce 2007 bylo na Masarykově univerzitě uskutečněno celouniverzitní dotazníkové šetření s názvem Motivace a očekávání studentů

Více

TISKOVÁ ZPRÁVA. Centrum pro výzkum veřejného mínění CVVM, Sociologický ústav AV ČR, v.v.i.

TISKOVÁ ZPRÁVA. Centrum pro výzkum veřejného mínění CVVM, Sociologický ústav AV ČR, v.v.i. TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel./fax: 286 80 29 E-mail: jan.cervenka@soc.cas.cz Názory občanů na drogy Technické parametry Výzkum:

Více

Email: jana.strakova@isea.cz, jana.strakova@pedf.cuni.cz, jana.strakova@aisis.cz

Email: jana.strakova@isea.cz, jana.strakova@pedf.cuni.cz, jana.strakova@aisis.cz Jméno a příjmení: STRAKOVÁ Jana Titul: RNDr. _ Ph.D. Obor: věda, vzdělávání Specializace: vystudovala fyz. elektroniku a optiku, koordinátorka a vedoucí mezinárodních výzkumů pro vzdělávání, reforma vysokého,

Více

VÝSLEDKY PRŮZKUMU MEZI MLADÝMI LIDMI

VÝSLEDKY PRŮZKUMU MEZI MLADÝMI LIDMI VÝSLEDKY PRŮZKUMU MEZI MLADÝMI LIDMI Z DĚTSKÝCH DOMOVŮ, KTEŘÍ SE ÚČASTNILI FESTIVALU OUT OF HOME Realizace průzkumu: Vteřina poté Analýza dat: Mgr. Jan Klusáček, výzkumný pracovník Lumos, jan.klusacek@lumos.org.uk

Více

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví

Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví Aktuální informace Ústavu zdravotnických informací a statistiky České republiky Praha 12. 8. 2009 40 Evropské výběrové šetření o zdravotním stavu v ČR - EHIS CR Základní charakteristiky zdraví European

Více

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC

MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na

Více

Volba střední školy jak to vidí osmáci

Volba střední školy jak to vidí osmáci Volba střední školy jak to vidí osmáci Studie občanského sdružení Než zazvoní 2. června 2014 Studie o výběru školy Tento dokument je veřejnou součástí širší dlouhodobé studie občanského sdružení Než zazvoní,

Více

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY

SAMOSTATNÁ STUDENTSKÁ PRÁCE ZE STATISTIKY SAMOSTATÁ STUDETSKÁ PRÁCE ZE STATISTIKY Váha studentů Kučerová Eliška, Pazdeříková Jana septima červen 005 Zadání: My dvě studentky jsme si vylosovaly zjistit statistickým šetřením v celém ročníku septim

Více

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky

Vysoká škola báňská technická univerzita Ostrava. Fakulta elektrotechniky a informatiky Vysoká škola báňská technická univerzita Ostrava Fakulta elektrotechniky a informatiky Bankovní účty (semestrální projekt statistika) Tomáš Hejret (hej124) 18.5.2013 Úvod Cílem tohoto projektu, zadaného

Více

Využití shlukové analýzy při vytváření typologie studentů

Využití shlukové analýzy při vytváření typologie studentů Miroslav CHRÁSKA, Milan KLEMENT Univerzita Palackého v Olomouci, Česká republika Využití shlukové analýzy při vytváření typologie studentů 1. Cíl výzkumu Cílem výzkumu bylo rozdělit české a polské vysokoškolské

Více

KATALOGIZACE V KNIZE NÁRODNÍ KNIHOVNA ČR. Průcha, Jan Srovnávací pedagogika / Jan Průcha. Vyd. 1. Praha: Portál, 2006. 264 s. ISBN 80 7367 155 7

KATALOGIZACE V KNIZE NÁRODNÍ KNIHOVNA ČR. Průcha, Jan Srovnávací pedagogika / Jan Průcha. Vyd. 1. Praha: Portál, 2006. 264 s. ISBN 80 7367 155 7 KATALOGIZACE V KNIZE NÁRODNÍ KNIHOVNA ČR Průcha, Jan Srovnávací pedagogika / Jan Průcha. Vyd. 1. Praha: Portál, 2006. 264 s. ISBN 80 7367 155 7 37.013.74 srovnávací pedagogika studie 37 Výchova a vzdělávání

Více

Testování hypotéz a měření asociace mezi proměnnými

Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz a měření asociace mezi proměnnými Testování hypotéz Nulová a alternativní hypotéza většina statistických analýz zahrnuje různá porovnání, hledání vztahů, efektů Tvrzení, že efekt je nulový,

Více

Technické parametry výzkumu

Technické parametry výzkumu TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: jiri.vinopal@soc.cas.cz K některým aspektům výběru piva českými konzumenty

Více

HODNOCENÍ JIHOČESKÉHO KRAJE Z HLEDISKA CEN NEMOVITOSTÍ URČENÝCH PRO BYDLENÍ V NÁVAZNOSTI NA EKONOMICKÝ RŮST REGIONU 1

HODNOCENÍ JIHOČESKÉHO KRAJE Z HLEDISKA CEN NEMOVITOSTÍ URČENÝCH PRO BYDLENÍ V NÁVAZNOSTI NA EKONOMICKÝ RŮST REGIONU 1 HODNOCENÍ JIHOČESKÉHO KRAJE Z HLEDISKA CEN NEMOVITOSTÍ URČENÝCH PRO BYDLENÍ V NÁVAZNOSTI NA EKONOMICKÝ RŮST REGIONU 1 Ivana Staňková, Tomáš Volek Jihočeská univerzita v Českých Budějovicích, Zemědělská

Více

Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat.

Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat. 3. Kvalitativní vs kvantitativní výzkum Kvantitativní výzkum Metody přírodních věd aplikované na vědy sociální: předpoklad, že lidské chování můžeme do jisté míry měřit a předpovídat. Kvantitativní výzkum

Více

Jak učit o změnách klimatu: Průzkum stavu výuky na českých gymnáziích

Jak učit o změnách klimatu: Průzkum stavu výuky na českých gymnáziích Jak učit o změnách klimatu: Průzkum stavu výuky na českých gymnáziích Srpen 2011 1 Projekt byl podpořen Ministerstvem životního prostředí, projekt nemusí vyjadřovat stanoviska MŽP. Shrnutí Předkládaná

Více

Absolventi vysokých škol a vývoj požadavků trhu práce

Absolventi vysokých škol a vývoj požadavků trhu práce Malátova 17, 150 00 Praha 5 tel.: + 420 221 900 513 e-mail: jan.koucky@pedf.cuni.cz Absolventi vysokých škol a vývoj požadavků trhu práce Jan Koucký Vysoké školství a požadavky praxe VŠO, Praha, 5. června

Více

Vznik, stabilita a prožívání osamělého rodičovství

Vznik, stabilita a prožívání osamělého rodičovství Vznik, stabilita a prožívání osamělého rodičovství Příspěvek k diskusi o příčinách jeho nárůstu Věra Kuchařová Výzkumný ústav práce a sociálních věcí 29.9.2008 Reprodukce nebo intimita? 1 Obsah příspěvku

Více

Půjčovat si peníze nebo pořizovat věci na dluh je. vždy rizikem. půjčovat si peníze nebo pořizovat věci na dluh je v dnešní době přirozenou

Půjčovat si peníze nebo pořizovat věci na dluh je. vždy rizikem. půjčovat si peníze nebo pořizovat věci na dluh je v dnešní době přirozenou TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel./fax: 86 840 19 E-mail: jana.novakova@soc.cas.cz Názory obyvatel na přijatelnost půjček leden 014

Více

Fungování demokracie a lidská práva v ČR únor 2015

Fungování demokracie a lidská práva v ČR únor 2015 pd10312a TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 28 840 129 E-mail: nadezda.cadova@soc.cas.cz Fungování demokracie a lidská práva v ČR

Více

ČESKÝ SVAZ MUŽŮ, o.s.

ČESKÝ SVAZ MUŽŮ, o.s. Rovnost a spravedlnost www.svaz-muzu.cz Český svaz mužů -představení Proč vznikl Český svaz mužů O nás Prezentace v médiích Základní cíle Současná činnost Hlavní témata Českého svazu mužů Možnosti spolupráce

Více

Výzkum trhu. Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání

Výzkum trhu. Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání Výzkum trhu Vzdělávací materiál ke kurzu Zahraniční obchod, tutoriál Mezinárodní podnikání Slezská univerzita v Opavě Okresní hospodářská komora Karviná 2010-2013 Výukový materiál je výstupem projektu

Více

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1

Pravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1 Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu

Více

Spokojenost se životem

Spokojenost se životem SEMINÁRNÍ PRÁCE Spokojenost se životem (sekundárních analýza dat sociologického výzkumu Naše společnost 2007 ) Předmět: Analýza kvantitativních revize Šafr dat I. Jiří (18/2/2012) Vypracoval: ANONYMIZOVÁNO

Více

Diplomový seminář 1. Akademický rok 2008/2009. 17.9.2009 Ing. Václav Křivohlávek, CSc.

Diplomový seminář 1. Akademický rok 2008/2009. 17.9.2009 Ing. Václav Křivohlávek, CSc. Diplomový seminář 1 Akademický rok 2008/2009 Vybrané metodologické otázky 1. Hierarchie pojmů 2. Věcná a formální struktura práce 3. Základní metody zkoumání a výkladu 4. Etika Hierarchie pojmů Pojmy (resp.

Více

PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA

PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA PEDAGOGICKOPSYCHOLOGICKÁ DIAGNOSTIKA Pedagogickopsychologická diagnostika je učitelův nástroj poznání podmínek, průběhu a výsledků řízeného procesu. Snaží se o poznání příčin, které učiteli umožní na základě

Více

Spokojenost s životem červen 2015

Spokojenost s životem červen 2015 ov150730 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská 1, Praha 1 Tel.: 286 840 129 E-mail: jan.cervenka@soc.cas.cz Spokojenost s životem červen 2015 Technické

Více

Projektový manažer 250+ Kariéra projektového manažera začíná u nás! F11. Zásady personálního řízení projektu

Projektový manažer 250+ Kariéra projektového manažera začíná u nás! F11. Zásady personálního řízení projektu Projektový manažer 250+ Kariéra projektového manažera začíná u nás! F Řízení lidských zdrojů F11 Zásady personálního řízení projektu V tomto tématu bude pozornost věnována zvláště těmto bodům: Úkoly managementu

Více

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu

Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu Mgr. Karla Hrbáčková, Ph.D. Základy kvantitativního výzkumu K čemu slouží statistika Popisuje velké soubory dat pomocí charakteristických čísel (popisná statistika). Hledá skryté zákonitosti v souborech

Více

Systémová podpora profesionálního výkonu sociální práce

Systémová podpora profesionálního výkonu sociální práce Systémová podpora profesionálního výkonu sociální práce Profesionální sociální pracovník PhDr. Melanie Zajacová Tábor, 23. září 2014 Obsah Úvodem Očekávání od sociálních pracovníků Akademická disciplína

Více

Vliv regionálních rozdílů ve finanční dostupnosti bydlení na pracovně orientovanou migraci české populace

Vliv regionálních rozdílů ve finanční dostupnosti bydlení na pracovně orientovanou migraci české populace Vliv regionálních rozdílů ve finanční dostupnosti bydlení na pracovně orientovanou migraci české populace Martin LUX Petr SUNEGA Struktura prezentace Kontext k problému Návaznost na dříve řešený projekt

Více

INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ

INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ INVENTÁŘ MOTIVŮ, HODNOT A PREFERENCÍ S T R U Č N Ý P Ř E H L E D ÚVOD Inventář motivů, hodnot a preferencí () odhaluje vnitřní hodnoty, cíle a zájmy člověka. Výsledky z inventáře odhalují jaký typ práce,

Více

VYSOKÁ ŠKOLA REGIONÁLNÍHO ROZVOJE, s.r.o. Evaluace výuky studenty v ZS 2009/2010. I. Evaluace výuky studenty prvních a druhých ročníků

VYSOKÁ ŠKOLA REGIONÁLNÍHO ROZVOJE, s.r.o. Evaluace výuky studenty v ZS 2009/2010. I. Evaluace výuky studenty prvních a druhých ročníků VYSOKÁ ŠKOLA REGIONÁLNÍHO ROZVOJE, s.r.o. Evaluace výuky studenty v ZS 9/ Závěrečná zpráva Za účelem vnitřního zajištění kvality vzdělávací činnosti na VŠRR je každoročně realizována evaluace výuky studenty.

Více

3.2 MATEMATIKA A JEJÍ APLIKACE (M) Charakteristika vzdělávací oblasti

3.2 MATEMATIKA A JEJÍ APLIKACE (M) Charakteristika vzdělávací oblasti 3.2 MATEMATIKA A JEJÍ APLIKACE (M) 51 Charakteristika vzdělávací oblasti Vzdělávací oblast matematika a její aplikace v základním vzdělávání je založena především na aktivních činnostech, které jsou typické

Více

Metody výběru ve výzkumech veřejného mínění

Metody výběru ve výzkumech veřejného mínění Metody výběru ve výzkumech veřejného mínění Populace (základní soubor) Soubor jednotek, o nichž předpokládáme, že jsou pro ně závěry výzkumu platné Někdy se rozlišuje: Cílová populace - všechny jednotky

Více

PROPOJENÍ VĚDY, VÝZKUMU, VZDĚLÁVÁNÍ A PODNIKOVÉ PRAXE. PhDr. Dana Pokorná, Ph.D. Mgr. Jiřina Sojková, Státní zámek Sychrov, 21. 23. 5.

PROPOJENÍ VĚDY, VÝZKUMU, VZDĚLÁVÁNÍ A PODNIKOVÉ PRAXE. PhDr. Dana Pokorná, Ph.D. Mgr. Jiřina Sojková, Státní zámek Sychrov, 21. 23. 5. PROPOJENÍ VĚDY, VÝZKUMU, VZDĚLÁVÁNÍ A PODNIKOVÉ PRAXE PhDr. Dana Pokorná, Ph.D. Mgr. Jiřina Sojková, Státní zámek Sychrov, 21. 23. 5. 2012 APSYS Aplikovatelný systém dalšího vzdělávání pracovníků ve vědě

Více

Vzdělávání dětí a žáků z rodin s nízkým ekonomickým statusem

Vzdělávání dětí a žáků z rodin s nízkým ekonomickým statusem Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti Vzdělávací program Integrativní vzdělávání žáků se speciálními vzdělávacími potřebami na ZŠ a SŠ běžného typu MODUL A Distanční text k

Více

Od diferenciace k diverzifikaci: test MMI a EMI v českém středním vzdělávání v první dekádě 21. století*

Od diferenciace k diverzifikaci: test MMI a EMI v českém středním vzdělávání v první dekádě 21. století* STATI Od diferenciace k diverzifikaci: test MMI a EMI v českém středním vzdělávání v první dekádě 21. století* TOMÁŠ KATRŇÁK Fakulta sociálních studií Masarykovy univerzity, Brno NATALIE SIMONOVÁ** Institut

Více

Analýza dotazníků projektu National Teams of ECVET Experts 2012 2013

Analýza dotazníků projektu National Teams of ECVET Experts 2012 2013 Analýza dotazníků projektu National Teams of ECVET Experts 2012 2013 zpracovala Lenka Chvátalová, leden 2013 Úvod V průběhu měsíců října a listopadu 2012 bylo provedené výběrově dotazníkové šetření mezi

Více

Jak vyvažovat autonomii a odpovědnost škol a učitelů: hodnocení výsledků vzdělávání

Jak vyvažovat autonomii a odpovědnost škol a učitelů: hodnocení výsledků vzdělávání Jak vyvažovat autonomii a odpovědnost škol a učitelů: hodnocení výsledků vzdělávání Jana Straková Ústav pro informace ve vzdělávání a Institut pro sociální a ekonomické analýzy Rozmach plošných testů se

Více

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015

Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 Zveřejnění výsledků výběrové zjišťování výsledků žáků 2015 V souladu s Plánem hlavních úkolů České školní inspekce na školní rok 2014/2015 a v rámci zákonem definovaných úkolů získávat a analyzovat informace

Více

Úlohy pro rozvoj přírodovědné gramotnosti

Úlohy pro rozvoj přírodovědné gramotnosti Úlohy pro rozvoj přírodovědné gramotnosti Jitka Houfková, Dana Mandíková KDF MFF UK O čem to bude: Mezinárodní výzkum PISA S čím majíčeští žáci problémy Metodické publikace s novými úlohami Ukázky úloh

Více

Biostatistika Cvičení 7

Biostatistika Cvičení 7 TEST Z TEORIE 1. Střední hodnota pevně zvolené náhodné veličiny je a) náhodná veličina, b) konstanta, c) náhodný jev, d) výběrová charakteristika. 2. Výběrový průměr je a) náhodná veličina, b) konstanta,

Více

Rozdíly v matematické a čtenářské gramotnosti chlapců a dívek a raná selekce: trendy v obou zemích po rozdělení Československa 1

Rozdíly v matematické a čtenářské gramotnosti chlapců a dívek a raná selekce: trendy v obou zemích po rozdělení Československa 1 ORBIS SCHOLAE, 2014, 8 (1) 27 45 EMPIRICKÉ STUDIE Rozdíly v matematické a čtenářské gramotnosti chlapců a dívek a raná selekce: trendy v obou zemích po rozdělení Československa 1 27 Miroslava Federičová,

Více

TABLETY? Výzva pro inkluzivní vzdělávání. Praha 2014. PhDr. Jana Zapletalová

TABLETY? Výzva pro inkluzivní vzdělávání. Praha 2014. PhDr. Jana Zapletalová TABLETY? Výzva pro inkluzivní vzdělávání Praha 2014 PhDr. Jana Zapletalová Učení je činností, která je ovlivněna kognitivní, afektivní a fyziologickou dimenzí člověka, odehrává se v sociálním prostředí

Více

EKONOMIKA BLOKU ODVĚTVÍ ROZVOJE ČLOVĚKA EKONOMIKA VZDĚLÁVÁNÍ

EKONOMIKA BLOKU ODVĚTVÍ ROZVOJE ČLOVĚKA EKONOMIKA VZDĚLÁVÁNÍ VEŘEJNÁ EKONOMIKA EKONOMIKA BLOKU ODVĚTVÍ ROZVOJE ČLOVĚKA EKONOMIKA VZDĚLÁVÁNÍ Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace magisterského studijního programu Fakulty ekonomiky

Více

www.tcconline.cz VÝSTUPNÍ ZPRÁVA Multifaktorový pracovní profil

www.tcconline.cz VÝSTUPNÍ ZPRÁVA Multifaktorový pracovní profil www.tcconline.cz VÝSTUPNÍ ZPRÁVA Multifaktorový pracovní profil Jan Ukázkový jan.ukazkovy@tcconline.cz 1. srpna 2015 Dostává se Vám do rukou výstup z Pracovního profilu. Jedná se o základní dotazník, který

Více

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS

POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS POPTÁVKA PO VEŘEJNÉ DOPRAVĚ V ZÁVISLOSTI NA ŠKOLSTVÍ V KRAJI TRANSPORT DEMAND DEPENDS ON EDUCATION ON REGIONS Kateřina Pojkarová Anotace:Dopravu vužívají lidé za různým účelem, mimo jiné i ke svým cestám

Více

er140207 Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: milan.tucek@soc.cas.cz

er140207 Jilská 1, Praha 1 Tel./fax: 286 840 129 E-mail: milan.tucek@soc.cas.cz er00 TISKOVÁ ZPRÁVA Centrum pro výzkum veřejného mínění Sociologický ústav AV ČR, v.v.i. Jilská, Praha Tel./fax: 86 80 9 E-mail: milan.tucek@soc.cas.cz Názor na zadlužení obyvatel a státu leden 0 Technické

Více

Adresa: Kontaktní osoba: Ing. Martina Jeníčková Na poříčním právu 1/ Telefon: 221 923 587 128 01 Praha 2 Fax: E-mail: martina.jenickova@mpsv.

Adresa: Kontaktní osoba: Ing. Martina Jeníčková Na poříčním právu 1/ Telefon: 221 923 587 128 01 Praha 2 Fax: E-mail: martina.jenickova@mpsv. Návrh výzkumné potřeby státní správy pro zadání veřejné zakázky na projekt z programu veřejných zakázek ve výzkumu, experimentálním vývoji a inovacích pro potřeby státní správy BETA Předkladatel - garant

Více

I ÚVOD DO PEDAGOGIKY...

I ÚVOD DO PEDAGOGIKY... Obsah 5 OBSAH PŘEDMLUVA............................................ 7 I ÚVOD DO PEDAGOGIKY.............................. 9 II PEDAGOGIKA VOLNÉHO ČASU....................... 25 III PŘEDŠKOLNÍ PEDAGOGIKA..........................

Více

Statistika. Semestrální projekt

Statistika. Semestrální projekt Statistika Semestrální projekt 18.5.2013 Tomáš Jędrzejek, JED0008 Obsah Úvod 3 Analyzovaná data 4 Analýza dat 6 Statistická indukce 12 Závěr 15 1. Úvod Cílem této semestrální práce je aplikovat získané

Více

Hodnocení efektivnosti programů podpory malého a středního podnikání na základě realizace projektů podpořených

Hodnocení efektivnosti programů podpory malého a středního podnikání na základě realizace projektů podpořených Příloha č. 2 Hodnocení efektivnosti programů podpory malého a středního podnikání na základě realizace projektů podpořených Českomoravskou záruční a rozvojovou bankou Skutečné efekty podpor z roku 2003

Více

výška (cm) počet žáků

výška (cm) počet žáků Statistika 1) Ve školním roce 1997/119 bylo v Brně 3 základních škol, ve kterých bylo celkem 1 tříd. Tyto školy navštěvovalo 11 5 žáků. Určete a) kolik tříd průměrně měla jedna ZŠ, b) kolik žáků průměrně

Více

Korelační a regresní analýza

Korelační a regresní analýza Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná

Více

Mezinárodní výzkum občanské výchovy ICCS 2009. Výzkumná zpráva ZŠ Jablonec nad Nisou

Mezinárodní výzkum občanské výchovy ICCS 2009. Výzkumná zpráva ZŠ Jablonec nad Nisou Mezinárodní výzkum občanské výchovy ICCS 2009 Výzkumná zpráva ZŠ Jablonec nad Nisou Ústav pro informace ve vzdělávání Senovážné nám. 26, P.O. Box 1, 06 Praha 1 Tato výzkumná zpráva předkládá výsledky mezinárodní

Více

srovnávací pedagogika

srovnávací pedagogika srovnávací pedagogika Jan Průcha Mezinárodní komparace vzdělávacích systémů 2., aktualizované a rozšířené vydání KATALOGIZACE V KNIZE NÁRODNÍ KNIHOVNA ČR Průcha, Jan Srovnávací pedagogika : mezinárodní

Více

Workshop Slaďování ve vědě Mezinárodní konference Slaďování soukromého a pracovního života Work-life balance

Workshop Slaďování ve vědě Mezinárodní konference Slaďování soukromého a pracovního života Work-life balance Workshop Slaďování ve vědě Mezinárodní konference Slaďování soukromého a pracovního života Work-life balance Moderují: Marcela Linková, Ph.D., Sociologický ústav AV ČR, v.v.i. Kateřina Lišková, Ph.D.,

Více

Kdo je podle Pražanů nejlepším kandidátem na primátora?

Kdo je podle Pražanů nejlepším kandidátem na primátora? Kdo je podle Pražanů nejlepším kandidátem na primátora? Závěrečná zpráva z výzkumu Analytické centrum s.r.o. Bulharská 20, 101 00 Praha 6. 10. 2014 Praha OBSAH: 1. Důvodová zpráva 3 2. O nás 3 3. Shrnutí

Více

Zpráva z evaluačního nástroje Klima školní třídy. Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF

Zpráva z evaluačního nástroje Klima školní třídy. Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF KLIMA ŠKOLNÍ TŘÍDY Zpráva z evaluačního nástroje Klima školní třídy Testovací škola NUOV CKK, Ostrava třída 12. SEMDIF Celkový počet Počet vyplňených Návratnost dotazníků Počet žáků ve třídě 1 7 700 %

Více

ENVIRONMENTALISTIKA GYM

ENVIRONMENTALISTIKA GYM ENVIRONMENTALISTIKA GYM ENVIRONMENTÁLNÍ VÝCHOVA CHARAKTERISTIKA PRŮŘEZOVÉHO TÉMATU V době, kdy jsme svědky rychlého zhoršování stavu globálních životodárných systémů z hlediska podmínek udržitelného rozvoje,

Více

P R Ů M Y S L O V Ý M A R K E T I N G

P R Ů M Y S L O V Ý M A R K E T I N G P R Ů M Y S L O V Ý M A R K E T I N G 5 ZS, akad.rok 2014/2015 Průmyslový marketing - VŽ 1 M A R K E T I N G O V Ý I N F O R M A Č N Í S Y S T É M ZS, akad.rok 2014/2015 Průmyslový marketing - VŽ 2 Mnoho

Více

Sekundární analýzy výsledků šetření PIRLS 2011 a TIMSS 2011

Sekundární analýzy výsledků šetření PIRLS 2011 a TIMSS 2011 Sekundární analýzy výsledků šetření PIRLS 2011 a TIMSS 2011 Praha, září 2014 Obsah 1 Úvod... 3 2 Rozdíly ve výsledcích jednotlivých škol a tříd na 1. stupni ZŠ a sociální podmíněnost dosažených výsledků

Více

ZÁVĚRY A DOPORUČENÍ PRO INOVACI ŠVP. A oddíl: Obecná analýza (výchovné a vzdělávací strategie) Tabulka TH2(A) Počet hodnocených ŠVP: 100

ZÁVĚRY A DOPORUČENÍ PRO INOVACI ŠVP. A oddíl: Obecná analýza (výchovné a vzdělávací strategie) Tabulka TH2(A) Počet hodnocených ŠVP: 100 ZÁVĚRY A DOPORUČENÍ PRO INOVACI ŠVP Celkovému prozkoumání a vyhodnocení bylo podrobeno 150 ŠVP ze Středočeského, Jihomoravského, Královehradeckého a Pardubického kraje. Při vyhodnocování ŠVP se však ukázalo,

Více

Sonda založená na šetření absolventů středních škol, kteří se zúčastnili jako patnáctiletí výzkumu PISA-2003 a vybraného vzorku jejich zaměstnavatelů

Sonda založená na šetření absolventů středních škol, kteří se zúčastnili jako patnáctiletí výzkumu PISA-2003 a vybraného vzorku jejich zaměstnavatelů Rozhodováníí žáků přii vollbě vzděllávacíí cesty a úspěšnost vstupu na trh práce Sonda založená na šetření absolventů středních škol, kteří se zúčastnili jako patnáctiletí výzkumu PISA-2003 a vybraného

Více